商業(yè)銀行數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿：來自面板數(shù)據(jù)與fsQCA的研究

夏天添，王慧

（1.江西科技學(xué)院，江西 南昌 330000；2.江西省區(qū)域發(fā)展研究院，江西 南昌 330000）

引言

“十三五”以來，我國金融資源過度傾斜國有企業(yè)，致使可用于民營企業(yè)的金融資源匱乏，“融資貴、融資難”成為我國各大民營企業(yè)共同關(guān)注的話題，這也變相印證了金融賦能對(duì)我國實(shí)體經(jīng)濟(jì)的助力亦有所減弱[1]。2018 年4 月2 日，中央財(cái)經(jīng)委工作會(huì)議強(qiáng)調(diào)了“打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)”，首次提出了“結(jié)構(gòu)性去杠桿”的概念，并強(qiáng)調(diào)“要降低國有企業(yè)杠桿率，規(guī)避系統(tǒng)性金融風(fēng)險(xiǎn)，保障民營企業(yè)的融資需求”[1]。因此，如何在新時(shí)代背景下，加快企業(yè)結(jié)構(gòu)性去杠桿進(jìn)程，成為目前我國進(jìn)一步釋放金融市場活力，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。

隨著新一輪技術(shù)革命浪潮沖擊，數(shù)字經(jīng)濟(jì)在我國金融行業(yè)中得到了廣泛應(yīng)用，區(qū)塊鏈、大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)與金融業(yè)務(wù)的深度融合，深化了數(shù)字金融的業(yè)務(wù)邊界與服務(wù)內(nèi)涵，“數(shù)智金融”由此孕育而生[2]。2021 年6 月，浙江省在《浙江省金融業(yè)發(fā)展“十四五”規(guī)劃》中，率先提出了“數(shù)智金融”的概念[3]。從定義上來看，數(shù)字金融是由傳統(tǒng)金融業(yè)務(wù)數(shù)字化轉(zhuǎn)型所衍生的投融資、支付、征信等數(shù)字化金融業(yè)務(wù)模式[3]；而數(shù)智金融則是在傳統(tǒng)金融業(yè)務(wù)的數(shù)字化轉(zhuǎn)型基礎(chǔ)上，通過AI、機(jī)器學(xué)習(xí)等人工智能算法（工具），為金融機(jī)構(gòu)的相關(guān)金融業(yè)務(wù)開展提供最優(yōu)決策、評(píng)價(jià)與規(guī)劃，其中，“智能化”是數(shù)智金融的核心[4]。數(shù)智金融可以借助人工智能技術(shù)，依托金融業(yè)務(wù)相關(guān)情境，圍繞業(yè)務(wù)涉及組織（含核心企業(yè)、供應(yīng)鏈上下游企業(yè)、擔(dān)保企業(yè)、二級(jí)平臺(tái)等）收集相關(guān)數(shù)據(jù)，并在獲取足夠當(dāng)量的金融數(shù)據(jù)后，提取關(guān)鍵數(shù)據(jù)，形成科學(xué)決策與評(píng)估結(jié)論，從而為金融機(jī)構(gòu)進(jìn)一步拓展業(yè)務(wù)邊界與提高資金安全保障，提供了實(shí)現(xiàn)的可能[4]。

由此而言，數(shù)智金融是數(shù)字金融持續(xù)創(chuàng)新的下一階段，是助力我國金融服務(wù)迭代創(chuàng)新的必然趨勢。那么，“數(shù)智金融能否加快改善金融資源錯(cuò)配，推動(dòng)企業(yè)結(jié)構(gòu)性去杠桿？”這一問題的厘清有助于進(jìn)一步明確商業(yè)銀行數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿之間的影響機(jī)制，是我國商業(yè)銀行發(fā)展數(shù)智金融的理論支撐。然而，在對(duì)以往相關(guān)研究進(jìn)行分析后，發(fā)現(xiàn)了以下不足之處：

1.忽視了“智能化”的金融業(yè)數(shù)字化轉(zhuǎn)型初衷。前人多停留于對(duì)數(shù)字金融層面的作用討論，即過分關(guān)注數(shù)字金融在支付、信貸、理財(cái)、投資等業(yè)務(wù)的數(shù)字化轉(zhuǎn)型問題，以及由此產(chǎn)生的應(yīng)用性研究，卻少有學(xué)者從數(shù)智金融視角，審視智能化對(duì)宏觀經(jīng)濟(jì)或微觀企業(yè)的助益及干預(yù)機(jī)制，忽視了“智能化”這一金融機(jī)構(gòu)或金融業(yè)務(wù)的數(shù)字化轉(zhuǎn)型初衷[5]，這也為本研究的理論貢獻(xiàn)提供了實(shí)現(xiàn)的可能。故而，本研究將參考金洪飛等人的呼吁[5]，從金融業(yè)務(wù)的智能化角度入手，討論數(shù)智金融對(duì)企業(yè)部門的干預(yù)機(jī)制。

2.忽視了數(shù)字普惠金融指標(biāo)的局限。現(xiàn)有研究在指標(biāo)觀測上，多采用北京大學(xué)編制的數(shù)字普惠金融指數(shù)觀測樣本企業(yè)所在地域的數(shù)字金融的代理變量，但該指數(shù)的樣本來源為支付寶的支付系統(tǒng)，其內(nèi)置研究樣本多為一般民眾與個(gè)體工商戶，而上市企業(yè)的主要融資渠道是銀行，其二者間亦存在矛盾之處。故而，本研究為保障研究設(shè)計(jì)的科學(xué)性，將參考羅斌元等人的思路[6]，利用大數(shù)據(jù)技術(shù)構(gòu)建商業(yè)銀行層面的數(shù)智金融指標(biāo)，并依照上市公司的信息披露數(shù)據(jù)，匹配企業(yè)與各大商業(yè)銀行的年貸款數(shù)據(jù)均值[7]，作為測算對(duì)應(yīng)企業(yè)的貸款商業(yè)銀行數(shù)智金融指標(biāo)。

3.忽視了數(shù)智金融的過程機(jī)制。以往研究大多證實(shí)數(shù)字金融有助于賦能實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展，并對(duì)此展開了諸多有意義的探索，如數(shù)字金融對(duì)金融機(jī)構(gòu)的業(yè)務(wù)效率提升[8]、對(duì)企業(yè)融資約束的緩解[9]、對(duì)企業(yè)創(chuàng)新的支持[10]等。但多為凈效應(yīng)的討論，忽視了對(duì)過程機(jī)制的討論，更鮮有研究將金融機(jī)構(gòu)與融資企業(yè)同時(shí)納入分析框架，以檢視金融機(jī)構(gòu)的數(shù)智金融對(duì)實(shí)體企業(yè)融資的影響過程機(jī)制。而張一林等人的研究證實(shí)，數(shù)智金融的智能化賦能，可以通過進(jìn)一步完善其金融業(yè)務(wù)的信用評(píng)價(jià)與風(fēng)險(xiǎn)防控，精準(zhǔn)控制對(duì)貸款企業(yè)的授信額度及信貸風(fēng)險(xiǎn)[11]。故而，本研究將一并討論數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的過程機(jī)制影響。

綜上所述，本研究將基于信貸技術(shù)理論與動(dòng)態(tài)能力理論，以我國滬深兩市的上市公司與商業(yè)銀行為樣本，通過構(gòu)建面板回歸模型與fsQCA 分析（模糊集定性比較分析），揭示商業(yè)銀行數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的影響“黑箱”及其過程機(jī)制。

本研究的邊際貢獻(xiàn)主要包括：（1）構(gòu)建了“數(shù)智金融—企業(yè)結(jié)構(gòu)性去杠桿”的理論框架，揭示了金融機(jī)構(gòu)的數(shù)智金融對(duì)實(shí)體企業(yè)結(jié)構(gòu)性去杠桿的影響“黑箱”，豐富了數(shù)智金融領(lǐng)域的研究內(nèi)涵。（2）檢視了數(shù)字普惠金融指數(shù)的不足之處，驗(yàn)證了數(shù)智金融指數(shù)的觀測機(jī)制的科學(xué)性，為后續(xù)學(xué)者提供了一個(gè)可參考的觀測范式。（3）從信用評(píng)價(jià)機(jī)制優(yōu)化與風(fēng)險(xiǎn)防控機(jī)制完善的過程性視角，詮釋了數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的路徑影響機(jī)制，并提出了2個(gè)基于商業(yè)銀行數(shù)智金融的企業(yè)結(jié)構(gòu)性去杠桿方案，為我國進(jìn)一步打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，提供了理論支撐與決策依據(jù)。

一、研究假設(shè)

（一）數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿

根據(jù)信貸技術(shù)理論，商業(yè)銀行主要依靠“硬信息”（企業(yè)財(cái)務(wù)信息、貸款抵押（質(zhì)押）、貸款擔(dān)保等）與“軟信息”（管理者背景、企業(yè)能力與行業(yè)趨勢等），對(duì)貸款企業(yè)的信用進(jìn)行評(píng)價(jià)與決策[12]。對(duì)我國國有企業(yè)而言，“共和國長子”擁有與生俱來的政治背景，享受著各級(jí)政府機(jī)關(guān)的隱性擔(dān)保，并具備更多可用于信貸抵押的資產(chǎn)，商業(yè)銀行亦對(duì)國有企業(yè)的信貸需求，有著極高的業(yè)務(wù)熱情[13]。然而，對(duì)我國民營企業(yè)而言，由于在資產(chǎn)、信用和企業(yè)實(shí)力等方面的不足與局限，在信貸獲取方面亦無法與國有企業(yè)同日而語[14]；尤其在實(shí)際業(yè)務(wù)中，商業(yè)銀行或多或少會(huì)出于信心不對(duì)稱，即無法有效對(duì)民營企業(yè)信用或價(jià)值進(jìn)行有效評(píng)價(jià)[9]，繼而導(dǎo)致商業(yè)銀行為規(guī)避信貸資金風(fēng)險(xiǎn)，漠視了民營企業(yè)的融資需求，而將企業(yè)部門的更多金融資源，傾斜于國有企業(yè)，以造成企業(yè)結(jié)構(gòu)性杠桿錯(cuò)位[7]。

為此，國務(wù)院、中央財(cái)經(jīng)委在“十三五”期間，先后提出了“去杠桿”[15]與“結(jié)構(gòu)性去杠桿”的金融改革目標(biāo)[1]。但與“去杠桿”不同的是，結(jié)構(gòu)性去杠桿的目的在于，優(yōu)化企業(yè)部門的杠桿率，使其達(dá)到兼顧“留好杠桿”和“去壞杠桿”的均衡杠桿率，即實(shí)現(xiàn)削弱過度負(fù)債的國有企業(yè)資產(chǎn)負(fù)債率，以避免企業(yè)部門的金融資源浪費(fèi)，并同時(shí)要保留績優(yōu)民營企業(yè)的資產(chǎn)負(fù)債率，以進(jìn)一步保存企業(yè)發(fā)展優(yōu)勢[7]。基于這一目的，以往研究主要立足經(jīng)濟(jì)形式[16]、貨幣[17]、稅收[18]、宏觀經(jīng)濟(jì)政策[19]等角度，討論了企業(yè)結(jié)構(gòu)性去杠桿的對(duì)策及干預(yù)機(jī)制。但由于前人多聚焦于宏觀上的干預(yù)機(jī)制，忽視了商業(yè)銀行的逐利性，即若無法改變商業(yè)銀行對(duì)民營企業(yè)的信貸意愿，諸如調(diào)整商業(yè)銀行信貸戰(zhàn)略趨勢、補(bǔ)齊金融資源配置短板等政策干預(yù)機(jī)制猶如“空中樓閣”，亦難從本質(zhì)上根除企業(yè)杠桿錯(cuò)位的“頑疾”。

隨著我國數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的不斷深化，數(shù)智金融的出現(xiàn)為我國企業(yè)結(jié)構(gòu)性去杠桿帶來了新選擇?！笆濉币詠恚覈鞔笊虡I(yè)銀行如雨后春筍般推動(dòng)了自身組織及金融業(yè)務(wù)的數(shù)字化轉(zhuǎn)型，大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算等數(shù)字技術(shù)，幫助商業(yè)銀行打破了傳統(tǒng)業(yè)務(wù)在時(shí)間、空間與效率上的瓶頸，實(shí)現(xiàn)了數(shù)字金融轉(zhuǎn)型[9]；而AI、機(jī)器學(xué)習(xí)、邊緣計(jì)算等人工智能算法（技術(shù)）更是將商業(yè)銀行金融業(yè)務(wù)的數(shù)字化轉(zhuǎn)型步伐，推進(jìn)了智能化門檻[6]。張一林等人的研究證實(shí)，數(shù)字化轉(zhuǎn)型確可在信貸決策數(shù)據(jù)挖掘、風(fēng)險(xiǎn)防控、業(yè)務(wù)模式等方面，提高商業(yè)銀行的金融業(yè)務(wù)效率與能力[11]；該觀點(diǎn)亦得到了后續(xù)學(xué)者的印證與認(rèn)可，如陸岷峰等人的研究發(fā)現(xiàn)，商業(yè)銀行數(shù)字化信貸業(yè)務(wù)不僅在用戶（貸款企業(yè)）的滿意度、使用意愿、便捷性等方面，比傳統(tǒng)信貸業(yè)務(wù)有了顯著的增長或優(yōu)化，更在信貸資金的安全保障和風(fēng)險(xiǎn)監(jiān)控上，有著較高的穩(wěn)定性[20]。然而，羅斌元等人則認(rèn)為，商業(yè)銀行的業(yè)務(wù)數(shù)字化并未發(fā)揮“數(shù)字經(jīng)濟(jì)”應(yīng)有之功效，應(yīng)在商業(yè)銀行金融業(yè)務(wù)數(shù)字化轉(zhuǎn)型的基礎(chǔ)上，進(jìn)一步探索數(shù)字技術(shù)的“智能化”賦能及其作用機(jī)制[6]。同時(shí)，張金清等人的研究也證實(shí)，數(shù)字技術(shù)的智能化機(jī)制或賦能，可以更好地處理海量的數(shù)據(jù)池，提高數(shù)據(jù)分析精度，進(jìn)而實(shí)現(xiàn)組織對(duì)業(yè)務(wù)數(shù)據(jù)流的實(shí)時(shí)監(jiān)控，并同時(shí)為組織提供更好的業(yè)務(wù)決策，或是在突發(fā)事件沖擊下，為組織提供科學(xué)的應(yīng)急方案組合[7]。

由此而言，數(shù)智金融作為數(shù)字金融的深化階段，可為商業(yè)銀行提供更加精準(zhǔn)的信貸信息挖掘評(píng)價(jià)，或是對(duì)貸款企業(yè)做出更加精確的信貸畫像，從而提高商業(yè)銀行對(duì)民營企業(yè)的信貸意愿與支持力度，并由此進(jìn)一步引導(dǎo)企業(yè)部門的金融資源流向有融資需求的績優(yōu)民營企業(yè)，以均衡我國企業(yè)部門的結(jié)構(gòu)性杠桿錯(cuò)位。故而，本研究提出下列研究假設(shè)：

H1：數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿之間存在顯著的正向影響。同時(shí)，數(shù)智金融對(duì)數(shù)字金融存在顯著的替代效應(yīng)。

（二）信用評(píng)價(jià)的中介作用

根據(jù)動(dòng)態(tài)能力理論，數(shù)智金融的智能化賦能，給予了商業(yè)銀行更加精準(zhǔn)的信用評(píng)價(jià)能力。具體而言：

1.在數(shù)據(jù)收集方面。Goldstein等人認(rèn)為商業(yè)銀行可通過物聯(lián)網(wǎng)、大數(shù)據(jù)挖掘、區(qū)塊鏈等數(shù)字技術(shù)，收集大量有關(guān)貸款企業(yè)的信用數(shù)據(jù)，以用于對(duì)其的信用評(píng)價(jià)[21]。該觀點(diǎn)雖得到了大量以往研究的證實(shí)，但卻忽視了智能化對(duì)其的效率提升機(jī)制。如陸岷峰等人的研究發(fā)現(xiàn)，大數(shù)據(jù)挖掘僅能依據(jù)人工設(shè)置的關(guān)鍵詞，收集相關(guān)信息（數(shù)據(jù)），但依舊會(huì)存在信息缺失，而人工操作亦無法及時(shí)、高效的解決這一關(guān)鍵問題[20]。而張一林等人的研究則證實(shí)了在數(shù)智金融賦能下，商業(yè)銀行可同時(shí)借助數(shù)字技術(shù)與數(shù)智技術(shù)，進(jìn)一步完善替代性數(shù)據(jù)的收集機(jī)制，從而收集包括信貸企業(yè)及其社會(huì)網(wǎng)絡(luò)關(guān)系在內(nèi)的各種多元化數(shù)據(jù)（含替代性數(shù)據(jù)），為后續(xù)做出更加精準(zhǔn)的信用評(píng)價(jià)夯實(shí)基礎(chǔ)[11]。

2.在數(shù)據(jù)分析方面。鑒于貸款企業(yè)的唯一性特征，商業(yè)銀行往往通過人工預(yù)設(shè)的信用評(píng)價(jià)機(jī)制亦存在一定疏漏[11]。然而，在數(shù)智金融的賦能下，通過融合數(shù)字技術(shù)與數(shù)智技術(shù)，對(duì)數(shù)據(jù)池中的數(shù)據(jù)進(jìn)行非線性關(guān)系的智能化識(shí)別與判斷，高效過濾無效數(shù)據(jù)，抓取有效數(shù)據(jù)，并為缺失值提供替代性數(shù)據(jù)，致力還原貸款企業(yè)的真實(shí)信用寫照[5]；同時(shí)，區(qū)塊鏈、物聯(lián)網(wǎng)的溯源和動(dòng)態(tài)監(jiān)控成了可實(shí)現(xiàn)的目標(biāo)，亦有效降低了商業(yè)銀行對(duì)企業(yè)“硬信息”的依賴。

由此而言，數(shù)智金融能夠幫助商業(yè)銀行實(shí)現(xiàn)“軟信息”對(duì)“硬信息”的機(jī)制替代，從而讓商業(yè)銀行的信貸業(yè)務(wù)邊界拓及“長尾”群體，讓一系列受傳統(tǒng)信貸模式抵觸的績優(yōu)民營企業(yè)獲得金融資源支持，并減少對(duì)盈利能力較差的國有企業(yè)的金融支持，如此便可有效推動(dòng)企業(yè)部門的結(jié)構(gòu)性去杠桿。故而，本研究提出下列研究假設(shè)：

H2：信用評(píng)價(jià)會(huì)在數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿的正向關(guān)系中，起到顯著的中介作用。

（三）風(fēng)險(xiǎn)控制的中介作用

根據(jù)動(dòng)態(tài)能力理論，數(shù)智金融的智能化賦能，給予了商業(yè)銀行更加精確的風(fēng)險(xiǎn)控制能力。數(shù)智金融促進(jìn)了商業(yè)銀行的風(fēng)險(xiǎn)控制模式改革，讓以抵押（質(zhì)押）、擔(dān)保等“硬信息”為核心的風(fēng)險(xiǎn)控制模型，逐步轉(zhuǎn)變?yōu)橐浴败浶畔ⅰ保ㄐ庞茫轵?qū)動(dòng)的風(fēng)險(xiǎn)控制模式[9]。如此一來，我國企業(yè)部門的結(jié)構(gòu)性杠桿錯(cuò)位，亦將隨商業(yè)銀行的風(fēng)險(xiǎn)控制模式改變，而趨于均衡。具體而言，數(shù)智金融的風(fēng)險(xiǎn)控制模式主要有兩類：

1.數(shù)智信貸風(fēng)險(xiǎn)控制模式。該模式主要借助數(shù)智化的信息處理優(yōu)勢與智能算法優(yōu)勢，構(gòu)建動(dòng)態(tài)信貸風(fēng)險(xiǎn)的識(shí)別機(jī)制[22]、預(yù)警機(jī)制[8]和保障機(jī)制[7]，從而精確地預(yù)測貸款企業(yè)的可能性信用風(fēng)險(xiǎn)，并基于此制定相應(yīng)防控方案，以加強(qiáng)商業(yè)銀行對(duì)民營企業(yè)的信貸支持意愿與力度，從而加快企業(yè)結(jié)構(gòu)性去杠桿進(jìn)程。

2.數(shù)智供應(yīng)鏈金融風(fēng)險(xiǎn)控制模式。該模式主要借助數(shù)智金融在區(qū)塊鏈及物聯(lián)網(wǎng)方面的技術(shù)優(yōu)勢，一方面，通過區(qū)塊鏈溯源技術(shù)保障供應(yīng)鏈數(shù)據(jù)，約束企業(yè)信息披露違規(guī)行為，保障資金流向數(shù)據(jù)的溯源與動(dòng)態(tài)性[23]；另一方面，亦可通過供應(yīng)鏈金融的上下游企業(yè)信用的動(dòng)態(tài)變化，反向預(yù)測貸款企業(yè)的信貸資金使用安全及償債能力等，從而實(shí)現(xiàn)商業(yè)銀行對(duì)資金安全風(fēng)險(xiǎn)的全面性動(dòng)態(tài)監(jiān)控[24]。

由此而言，數(shù)智金融的賦能讓商業(yè)銀行即使在民營企業(yè)缺乏相關(guān)抵押或擔(dān)保的門檻條件下，依舊可以借助精確的風(fēng)險(xiǎn)控制能力，為民營企業(yè)提供信貸支持。這既符合了商業(yè)銀行自身的利益訴求，更將金融資源有效的配置到了績優(yōu)民營企業(yè)，緩解了我國企業(yè)部門的結(jié)構(gòu)性杠桿錯(cuò)位。故而，本研究提出下列研究假設(shè)：

H3：風(fēng)險(xiǎn)防控會(huì)在數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿的正向關(guān)系中，起到顯著的中介作用。

二、研究設(shè)計(jì)

（一）模型設(shè)定

本研究參考相關(guān)學(xué)者做法[13]，通過構(gòu)建面板回歸模型，以驗(yàn)證數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的影響機(jī)制。

其中，E-SD（企業(yè)結(jié)構(gòu)性去杠桿）為被解釋變量，DI-F（數(shù)智金融）為解釋變量，C為控制變量，i 為第 i 家企業(yè)，t 為第 t 年，ε 為隨機(jī)誤差項(xiàng)，Ind 為行業(yè)控制，Y 為年份控制。鑒于商業(yè)銀行的數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的影響效果，應(yīng)存在一定的滯后性，故本研究對(duì)DI-F 進(jìn)行了滯后一期處理。如公式（1）所示，β1為正向顯著，則說明H1的假設(shè)成立。

同時(shí)，為進(jìn)一步探究信用評(píng)價(jià)與風(fēng)險(xiǎn)控制的中介作用，本研究參考龔強(qiáng)等人的做法[24]，構(gòu)建了下列中介效應(yīng)模型。

其中，CE（信用評(píng)價(jià)）和R（風(fēng)險(xiǎn)控制）為中介變量，若公式（2）和公式（3）中，β2為正向顯著，且95%CI 的區(qū)間效應(yīng)成立，則說明H2和H3的假設(shè)成立。

（二）變量界定

1.企業(yè)結(jié)構(gòu)性去杠桿（E-SD）。本研究參考相關(guān)學(xué)者的做法，采用樣本企業(yè)的資產(chǎn)負(fù)債率觀測企業(yè)結(jié)構(gòu)性去杠桿[25]。并采用企業(yè)短期結(jié)構(gòu)性去杠桿（流動(dòng)負(fù)債與總資產(chǎn)之比）和企業(yè)長期結(jié)構(gòu)性去杠桿（非流動(dòng)負(fù)債與總資產(chǎn)之比），作為替代變量進(jìn)行穩(wěn)健性檢驗(yàn)。

2.數(shù)智金融（DI-F）。在數(shù)智金融的觀測上，以往研究主要采用兩種方式：一種是直接采用北京大學(xué)編制的數(shù)字普惠金融指數(shù)，該方式覆蓋面廣，并下至區(qū)縣[10]；而另一種則是采用數(shù)據(jù)挖掘的方式，根據(jù)商業(yè)銀行公開披露的數(shù)據(jù)中，有關(guān)數(shù)智金融的詞頻，該方法統(tǒng)計(jì)方式靈活，且數(shù)據(jù)來源多元化，可兼具數(shù)字普惠金融指數(shù)的各項(xiàng)優(yōu)點(diǎn)（盛天翔和范從來，2020）。故而，本研究參考相關(guān)學(xué)者的建議[26]，利用Python技術(shù)爬取我國各大商業(yè)銀行的數(shù)智金融信息，并匹配企業(yè)的融資渠道，加權(quán)合成商業(yè)銀行的數(shù)智金融指標(biāo)。具體做法為：首先，本研究以AI、機(jī)器學(xué)習(xí)、區(qū)塊鏈、云計(jì)算等8 個(gè)詞語作為數(shù)智金融的關(guān)鍵詞。其次，利用Python 技術(shù)爬取2016—2020 年我國各大商業(yè)銀行的數(shù)智金融關(guān)鍵詞詞頻，并按照商業(yè)銀行和年份分別整理。再次，利用熵值法測算各指標(biāo)之權(quán)重，并聚合為商業(yè)銀行的數(shù)智金融指標(biāo)。最后，對(duì)照企業(yè)每年在各融資渠道所募集的貸款總量比例，將各大商業(yè)銀行的數(shù)智金融指標(biāo)進(jìn)行加權(quán)處理，以聚合成對(duì)應(yīng)企業(yè)的數(shù)智金融指標(biāo)。此外，為驗(yàn)證本研究所提出之觀測方法的有效性，特以2016—2020 年各大上市商業(yè)銀行的年報(bào)為樣本，進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果顯示，熵值法所構(gòu)建的數(shù)智金融指標(biāo)與年報(bào)版本的指標(biāo)相關(guān)性達(dá)到80%，這也從側(cè)面印證了該觀測方法的科學(xué)性。

3.信用評(píng)價(jià)（CE）。本研究參考相關(guān)學(xué)者的做法[13]，采用樣本企業(yè)的總資產(chǎn)收益率，以觀測商業(yè)銀行的信用評(píng)價(jià)質(zhì)量。并同時(shí)采用凈資產(chǎn)收益率和投資回報(bào)率作為穩(wěn)健性檢驗(yàn)的替代變量。

4.風(fēng)險(xiǎn)防控（R）。本研究參考相關(guān)學(xué)者的做法[7]，采用樣本企業(yè)的不良貸款率進(jìn)行觀測。

5.控制變量。本研究參考相關(guān)學(xué)者的做法[27]，以企業(yè)規(guī)模（Size）、固定資產(chǎn)（FA）、成長能力（G）、組織性質(zhì)（PE）作為企業(yè)層面的控制變量，以地市級(jí)經(jīng)濟(jì)水平（GDP）、數(shù)字金融（FD）、貨幣政策（MR）、資本結(jié)構(gòu)（TE）作為宏觀層面的控制變量。

（三）數(shù)據(jù)來源

本研究以我國2016—2020 年滬深兩市的上市公司為樣本。其中，企業(yè)數(shù)據(jù)來源于國泰安CS?MAR 數(shù)據(jù)庫和Wind 金融數(shù)據(jù)庫；銀行數(shù)據(jù)來自BankScope 數(shù)據(jù)庫，以及百度新聞的數(shù)據(jù)爬取。宏觀經(jīng)濟(jì)數(shù)據(jù)來源于國泰安CSMAR 數(shù)據(jù)庫和北京大學(xué)編制的《中國數(shù)字普惠金融指數(shù)》。

本研究在剔除了總樣本中的ST 企業(yè)樣本、金融類企業(yè)樣本、外資企業(yè)樣本、集體及公共類企業(yè)樣本、杠桿率高于100%的極端樣本后，共得到了2026 家企業(yè)（含715 家國有企業(yè)）與98 家商業(yè)銀行的10440 條數(shù)據(jù)，并按照0.01 進(jìn)行縮尾處理。同時(shí)，各主要變量的相關(guān)性系數(shù)在0.013~0.304 之間呈現(xiàn)顯著，且VIF系數(shù)均低于閾值門檻，說明多重共線性對(duì)此的影響較低。

三、假設(shè)檢驗(yàn)

（一）基準(zhǔn)回歸檢驗(yàn)

1.直接作用檢驗(yàn)。根據(jù)表2 的M1 列結(jié)果可知，數(shù)字金融與企業(yè)結(jié)構(gòu)性去杠桿之間正向影響顯著（β=0.242，P<0.05），說明數(shù)智金融能夠推動(dòng)企業(yè)結(jié)構(gòu)性去杠桿。同時(shí)，根據(jù)表2 的M4 列的結(jié)果可知，將數(shù)智金融移除后，數(shù)字金融作為解釋變量時(shí)，雖能夠顯著影響企業(yè)結(jié)構(gòu)性去杠桿，但影響程度亦與數(shù)智金融有所差距，說明數(shù)智金融對(duì)數(shù)字金融存在一定的替代效應(yīng)。故H1的假設(shè)得到了支持。

表1 變量定義

2.中介作用檢驗(yàn)。根據(jù)表2 的M2—M3 列結(jié)果可知，在數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿之間的正向影響關(guān)系中，信用評(píng)價(jià)的中介作用顯著（β間接=0.087，P<0.01，95%CI[0.077，0.098]），說明數(shù)智金融可以通過完善信用評(píng)價(jià)機(jī)制，精準(zhǔn)預(yù)測企業(yè)盈利能力，進(jìn)而推動(dòng)企業(yè)結(jié)構(gòu)性去杠桿，H2的假設(shè)得到了支持；同時(shí)，在數(shù)智金融與企業(yè)結(jié)構(gòu)性去杠桿之間的正向影響關(guān)系中，風(fēng)險(xiǎn)防控的中介作用顯著 （β間接=0.074，P<0.01，95%CI[0.066，0.083]），說明數(shù)智金融可以通過強(qiáng)化風(fēng)險(xiǎn)防控機(jī)制，精確控制企業(yè)資金風(fēng)險(xiǎn)，進(jìn)而推動(dòng)企業(yè)結(jié)構(gòu)性去杠桿，H3假設(shè)得到了支持。

表2 假設(shè)檢驗(yàn)結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.替換核心變量。首先，本研究以企業(yè)短期結(jié)構(gòu)性去杠桿與企業(yè)長期結(jié)構(gòu)性去杠桿作為替換變量，分別進(jìn)行假設(shè)檢驗(yàn)；結(jié)果顯示：數(shù)智金融依舊可以推動(dòng)企業(yè)短期結(jié)構(gòu)性去杠桿（β=0.169，P<0.01）和企業(yè)長期結(jié)構(gòu)性去杠桿（β=0.076，P<0.01），進(jìn)一步驗(yàn)證了H1的假設(shè)。其次，本研究以凈資產(chǎn)收益率和投資回報(bào)率，分別作為信用評(píng)價(jià)的替換變量進(jìn)行中介效應(yīng)檢驗(yàn)；結(jié)果顯示：以凈資產(chǎn)收益率作為信用評(píng)價(jià)的觀測指標(biāo)時(shí)，中介效應(yīng)最為顯著 （β間接=0.087，P<0.01，95%CI[0.073，0.092]），而投資回報(bào)率則相對(duì)較低 （β間接=0.076，P<0.01，95%CI[0.078，0.093]）。

2.分樣本檢驗(yàn)。首先，本研究按照地域范圍，將樣本劃分為華東、華南、華中和其他四組，并分別展開檢驗(yàn)；結(jié)果顯示：在華東（β=0.231，P<0.01）、華中 （β=0.206，P<0.01） 與華南 （β=0.198，P<0.01）地區(qū)，數(shù)智金融的企業(yè)結(jié)構(gòu)性去杠桿效果最為顯著，而其他（β=0.063，P<0.05）則影響效果相對(duì)較弱。其次，本研究按照企業(yè)所屬行業(yè)，將樣本劃分為制造業(yè)、建筑業(yè)、化工業(yè)、生物制藥業(yè)與其他五組，并分別展開檢驗(yàn)；結(jié)果顯示：數(shù)智金融的企業(yè)結(jié)構(gòu)性去杠桿效果，對(duì)制造業(yè)樣本的影響最大（β=0.259，P<0.01），而對(duì)其他行業(yè)的影響，則相對(duì)均衡（β=0.057~0.201，P<0.05）。

3.內(nèi)生性檢驗(yàn)。首先，鑒于企業(yè)結(jié)構(gòu)性去杠桿的連續(xù)性，本研究參考相關(guān)學(xué)者的建議，將企業(yè)結(jié)構(gòu)性去杠桿的滯后一期作為工具變量進(jìn)行檢驗(yàn)；結(jié)果顯示：數(shù)智金融依舊正向顯著影響企業(yè)結(jié)構(gòu)性去杠桿（β=0.205，P<0.01）。其次，本研究參考宋敏等（2021）的做法，以2018 年正式提出“結(jié)構(gòu)性去杠桿”為基點(diǎn)，按照“數(shù)智金融為連續(xù)變量，2018 年之后的年份為1，其他為0”的設(shè)置進(jìn)行DID 檢驗(yàn)（雙重差分模型檢驗(yàn)）；結(jié)果顯示：數(shù)智金融可顯著推進(jìn)企業(yè)結(jié)構(gòu)性去杠桿（β=0.224，P<0.01），而2018 年之前則不顯著（β=0.107，P>0.1），說明政策實(shí)施前各組間無差異，但實(shí)施后其系數(shù)顯著，說明政策實(shí)施產(chǎn)生顯著的干預(yù)效應(yīng)。

（三）模糊集定性比較分析（fsQCA分析）

本研究以我國滬深兩市的上市公司為樣本，討論了商業(yè)銀行的數(shù)智金融賦能對(duì)企業(yè)結(jié)構(gòu)性去杠桿的推動(dòng)作用與影響機(jī)制。但諸如“數(shù)智金融究竟如何提升商業(yè)銀行對(duì)績優(yōu)民營企業(yè)的信貸意愿與支持力度”等問題，依然沒有得到解答。故而，本研究將按照杜運(yùn)周等（2020）的建議，引入模糊集定性比較分析的組態(tài)分析機(jī)制，以展開更進(jìn)一步的探索。具體步驟為：

1.根據(jù)表2 的結(jié)果可知，數(shù)智金融、信用評(píng)價(jià)、風(fēng)險(xiǎn)防控、數(shù)字金融等8個(gè)變量，能夠顯著影響企業(yè)結(jié)構(gòu)性去杠桿。故而，在對(duì)以上條件變量進(jìn)行必要性檢驗(yàn)后發(fā)現(xiàn)，數(shù)智金融等8個(gè)變量均不構(gòu)成單一性影響變量，說明存在前因變量組合的可能。

2.本研究按照95%、50%和5%的標(biāo)準(zhǔn)對(duì)上述變量進(jìn)行校準(zhǔn)，并將約束條件設(shè)置為0.8 和1，最終得到了2個(gè)高績效的組態(tài)方案；其中，方案1和方案2的組態(tài)一致性分別為0.854和0.870，同時(shí)組態(tài)方案的總體一致性為0.910，說明了這兩個(gè)組態(tài)方案具備較好的解釋力度。

3.本研究將在組態(tài)分析結(jié)果達(dá)到閾值門檻后，分別對(duì)2個(gè)組態(tài)方案命名，并展開案例分析。

（四）案例討論

1.數(shù)智信用預(yù)測型企業(yè)結(jié)構(gòu)性去杠桿方案。如表3的方案1的結(jié)果所示，數(shù)智信用預(yù)測型企業(yè)結(jié)構(gòu)性去杠桿方案的凈覆蓋率超過50%，組態(tài)方案一致性超過80%。其中，核心條件包括數(shù)智金融和信用評(píng)價(jià)，輔助條件包括數(shù)字金融、組織性質(zhì)與經(jīng)濟(jì)水平。由此說明，即便在經(jīng)濟(jì)形勢不明確的條件下，基于數(shù)字化和數(shù)智化的商業(yè)銀行金融業(yè)務(wù)改革，依然能夠精準(zhǔn)預(yù)測企業(yè)盈利能力，從而讓商業(yè)銀行敢于以“信用”替代“擔(dān)?！边@一傳統(tǒng)信貸業(yè)務(wù)的核心要件，將更多金融資源流向績優(yōu)民營企業(yè)，從而實(shí)現(xiàn)我國企業(yè)部門的結(jié)構(gòu)性杠桿均衡。適用于該組態(tài)方案的樣本企業(yè)約占總樣本的46%，主要分布于我國華東和華南地區(qū)，且多來自先進(jìn)制造業(yè)、生物醫(yī)藥等優(yōu)先發(fā)展領(lǐng)域；此類企業(yè)囿于地方數(shù)字經(jīng)濟(jì)發(fā)展完善與政策傾斜度高的宏觀優(yōu)勢，以及自身企業(yè)組織與業(yè)務(wù)體系的高度數(shù)字化，均易于商業(yè)銀行對(duì)其信用展開更加完整的評(píng)價(jià)和預(yù)測，從而提高了商業(yè)銀行對(duì)績優(yōu)民營企業(yè)的信貸支持意愿和力度。

2.數(shù)智風(fēng)險(xiǎn)監(jiān)控型企業(yè)結(jié)構(gòu)性去杠桿方案。如表3的方案2結(jié)果所示，數(shù)智風(fēng)險(xiǎn)監(jiān)控型企業(yè)結(jié)構(gòu)性去杠桿方案的凈覆蓋率超過50%，組態(tài)方案一致性超過80%。其中，核心條件包括數(shù)智金融、風(fēng)險(xiǎn)防控和組織性質(zhì)，輔助條件包括固定資產(chǎn)與成長能力。由此說明，無論國企民企，對(duì)我國各大商業(yè)銀行而言，資金安全是保障其組織生存的第一要?jiǎng)?wù)，而在數(shù)智金融的智能化賦能下，商業(yè)銀行可以通過人工智能算法或技術(shù)，實(shí)現(xiàn)對(duì)貸款企業(yè)的資金往來及其組織社會(huì)網(wǎng)絡(luò)關(guān)系變化的動(dòng)態(tài)監(jiān)控，從而對(duì)資金安全風(fēng)險(xiǎn)做出及時(shí)評(píng)價(jià)、預(yù)警與突發(fā)事件科學(xué)決策。適用于該組態(tài)方案的樣本企業(yè)約占總樣本的53%，其樣本地域分布與行業(yè)分布相對(duì)平均，但此類企業(yè)若要提高商業(yè)銀行對(duì)其的信貸支持意愿與力度，則需更進(jìn)一步的加快業(yè)務(wù)數(shù)字化轉(zhuǎn)型，并著力逐步優(yōu)化貸款結(jié)構(gòu)與提升企業(yè)成長能力。

四、結(jié)論與建議

（一）研究結(jié)論與理論貢獻(xiàn)

本研究以我國滬深兩市上市的2026 家企業(yè)與98 家商業(yè)銀行為對(duì)象，檢視了我國商業(yè)銀行數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的影響機(jī)制。結(jié)果顯示：（1）商業(yè)銀行的數(shù)智金融能夠通過智能化的信用評(píng)價(jià)機(jī)制與風(fēng)險(xiǎn)控制機(jī)制，有效推動(dòng)企業(yè)部門的結(jié)構(gòu)性去杠桿；（2）提出了一個(gè)數(shù)智金融的觀測范式；（3）揭示了數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的組態(tài)影響機(jī)制，并提出了2個(gè)基于商業(yè)銀行數(shù)智金融的企業(yè)結(jié)構(gòu)性去杠桿方案。根據(jù)研究結(jié)論，本研究的理論貢獻(xiàn)包括：

1.豐富了數(shù)智金融的研究內(nèi)涵。本研究基于商業(yè)銀行的金融資源供給意愿視角，驗(yàn)證了數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿具有顯著的干預(yù)作用，該觀點(diǎn)在一定程度上拓展了數(shù)智金融的研究邊界。一方面，目前對(duì)數(shù)字金融的研究，更側(cè)重于“數(shù)字化”，而鮮有學(xué)者結(jié)合商業(yè)銀行的信貸供給意愿，討論數(shù)智金融對(duì)民營企業(yè)信貸供給的作用效果。另一方面，以往研究在關(guān)注企業(yè)結(jié)構(gòu)性去杠桿的前因變量時(shí)，忽視了商業(yè)銀行本身的營利性在實(shí)際的企業(yè)結(jié)構(gòu)性去杠桿過程中，可能存在一定的抑制性影響。故此，該觀點(diǎn)在極大程度上補(bǔ)充和豐富了數(shù)智金融的研究內(nèi)涵。

2.提出了數(shù)智金融的觀測范式。本研究基于數(shù)字普惠金融指數(shù)在上市公司領(lǐng)域的研究局限，提出了一個(gè)基于商業(yè)銀行數(shù)智化轉(zhuǎn)型信息挖掘的數(shù)智金融指數(shù)構(gòu)建范式。該做法汲取了數(shù)字普惠金融指數(shù)在高覆蓋面上的優(yōu)勢，并同時(shí)采用商業(yè)銀行年報(bào)信息進(jìn)行范式效度檢驗(yàn)，故而，在范式可行性與科學(xué)性上，具備一定的推廣價(jià)值。

3.揭示了數(shù)智金融的過程機(jī)制。本研究基于動(dòng)態(tài)能力理論，通過引入信用評(píng)價(jià)與風(fēng)險(xiǎn)控制的中介變量，揭示了商業(yè)銀行數(shù)智金融對(duì)企業(yè)結(jié)構(gòu)性去杠桿的過程機(jī)制，該觀點(diǎn)不僅呼應(yīng)了唐松等人的觀點(diǎn)[9]，拓展了數(shù)智金融對(duì)實(shí)體經(jīng)濟(jì)的作用“黑箱”，更有助于進(jìn)一步詮釋數(shù)智金融對(duì)實(shí)體經(jīng)濟(jì)干預(yù)的過程機(jī)制，同時(shí)，也為后續(xù)學(xué)者提供了一個(gè)較好的理論分析框架。

（二）管理對(duì)策與政策建議

1.加大商業(yè)銀行數(shù)智化轉(zhuǎn)型力度，發(fā)揮數(shù)智金融對(duì)實(shí)體經(jīng)濟(jì)健康發(fā)展的最大勢能。根據(jù)研究結(jié)論，數(shù)智金融是商業(yè)銀行數(shù)字化轉(zhuǎn)型的必然趨勢，是其謀求未來市場競爭力的關(guān)鍵抓手。故建議我國各大商業(yè)銀行應(yīng)結(jié)合自身組織特征與優(yōu)勢，適時(shí)引入智能化數(shù)字技術(shù)或人工智能算法，以進(jìn)一步完善現(xiàn)有金融業(yè)務(wù)的智能化水平，從而實(shí)現(xiàn)每筆業(yè)務(wù)的智能化預(yù)測與決策，以提高資金收益保障和資金安全保障，并逐步將金融業(yè)務(wù)擴(kuò)及實(shí)體經(jīng)濟(jì)的每一個(gè)角落，進(jìn)而從本質(zhì)上實(shí)現(xiàn)共同富裕。

2.加快企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程，積極打破銀企之間的信息孤島。數(shù)字經(jīng)濟(jì)時(shí)代，信息（數(shù)據(jù)）作為企業(yè)的新型資產(chǎn)，其重要性亦提高至生產(chǎn)要素水平。而根據(jù)研究結(jié)論，民營企業(yè)要獲得商業(yè)銀行的信貸支持，則勢必需要將其組織和相關(guān)業(yè)務(wù)信息數(shù)字化，以便于商業(yè)銀行更好、更精準(zhǔn)地做出信用評(píng)價(jià)與業(yè)績預(yù)測，從而擺脫“擔(dān)保”信貸的高成本、高壓力的融資渠道，為我國企業(yè)部門的結(jié)構(gòu)性去杠桿做出最大貢獻(xiàn)。

3.加速推動(dòng)企業(yè)數(shù)據(jù)共享機(jī)制建設(shè)，助力數(shù)字金融更好地促進(jìn)實(shí)體經(jīng)濟(jì)健康發(fā)展。國家及相關(guān)政府部門應(yīng)加大對(duì)以數(shù)智技術(shù)為核心的“新基建”，如構(gòu)建企業(yè)數(shù)據(jù)共享平臺(tái)、行業(yè)企業(yè)數(shù)據(jù)披露機(jī)制等，以增強(qiáng)企業(yè)征信數(shù)據(jù)的公允性與真實(shí)性，從而在大幅降低商業(yè)銀行的數(shù)據(jù)獲取成本的同時(shí)，間接提升對(duì)貸款企業(yè)的信用評(píng)價(jià)質(zhì)量，這也將進(jìn)一步提升商業(yè)銀行對(duì)績優(yōu)民營企業(yè)的信貸支持意愿與力度，并逐步均衡我國企業(yè)部門的結(jié)構(gòu)性杠桿錯(cuò)位。