銀行數(shù)字化轉(zhuǎn)型能夠防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)嗎？

摘" "要：銀行數(shù)字化轉(zhuǎn)型是數(shù)字金融發(fā)展的重要實(shí)踐，也是當(dāng)前防范化解系統(tǒng)性金融風(fēng)險(xiǎn)的關(guān)鍵環(huán)節(jié)。本文通過銀企信貸匹配數(shù)據(jù)，聚焦企業(yè)杠桿操縱行為，考察銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)隱性債務(wù)風(fēng)險(xiǎn)的影響。實(shí)證檢驗(yàn)發(fā)現(xiàn)：銀行數(shù)字化轉(zhuǎn)型能顯著抑制企業(yè)杠桿操縱，防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。機(jī)制分析表明，銀行數(shù)字化轉(zhuǎn)型發(fā)揮了資源效應(yīng)、監(jiān)督效應(yīng)和治理效應(yīng)，從而防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。不同杠桿操縱手段中，銀行數(shù)字化轉(zhuǎn)型主要降低了企業(yè)利用表外負(fù)債和會(huì)計(jì)手段進(jìn)行的杠桿操縱。不同銀行數(shù)字化轉(zhuǎn)型類型中，業(yè)務(wù)數(shù)字化轉(zhuǎn)型的作用最明顯。在金融監(jiān)管較強(qiáng)的環(huán)境中，銀行數(shù)字化轉(zhuǎn)型的作用更強(qiáng)。經(jīng)濟(jì)后果檢驗(yàn)發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型能進(jìn)一步降低企業(yè)杠桿操縱導(dǎo)致的經(jīng)營風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)。研究拓展了數(shù)字金融的風(fēng)險(xiǎn)防范效應(yīng)，為助力實(shí)體經(jīng)濟(jì)安全高質(zhì)量發(fā)展提供了有益啟示。

關(guān)鍵詞：銀行數(shù)字化轉(zhuǎn)型；隱性債務(wù)；杠桿操縱；融資約束；監(jiān)督治理

中圖分類號(hào)：F832" 文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：1674-2265（2024）12-0031-12

DOI：10.19647/j.cnki.37-1462/f.2024.12.003

一、引言

隨著新一輪科技革命和產(chǎn)業(yè)變革，數(shù)字經(jīng)濟(jì)成為重組要素資源、重塑經(jīng)濟(jì)結(jié)構(gòu)的關(guān)鍵力量（宋敏等，2021）[1]。作為推動(dòng)金融高質(zhì)量發(fā)展的新引擎，數(shù)字金融在2023年中央金融工作會(huì)議上被列入金融工作的 “五篇大文章”之一。中國人民銀行印發(fā)的《金融科技發(fā)展規(guī)劃（2022—2025年）》也著重強(qiáng)調(diào)了推動(dòng)數(shù)字化發(fā)展對(duì)于深化金融供給側(cè)結(jié)構(gòu)性改革的重要意義，由此驅(qū)動(dòng)的銀行數(shù)字化轉(zhuǎn)型成為銀行升級(jí)服務(wù)、提質(zhì)增效的必然選擇。如何利用銀行數(shù)字化轉(zhuǎn)型促進(jìn)實(shí)體經(jīng)濟(jì)安全和高質(zhì)量發(fā)展，成為各界共同關(guān)注的重點(diǎn)話題。

在防范化解重大金融風(fēng)險(xiǎn)、實(shí)現(xiàn)“穩(wěn)杠桿”和“穩(wěn)增長(zhǎng)”動(dòng)態(tài)平衡的經(jīng)濟(jì)目標(biāo)下，以高杠桿為主要特征的企業(yè)債務(wù)風(fēng)險(xiǎn)是掣肘實(shí)體經(jīng)濟(jì)安全發(fā)展的核心因素（馬草原和朱玉飛，2020；李曉溪等，2023）[2，3]。過高的杠桿率不僅會(huì)降低企業(yè)經(jīng)營活力，增加破產(chǎn)概率，還會(huì)扭曲金融與實(shí)體經(jīng)濟(jì)報(bào)酬結(jié)構(gòu)，加劇金融脆弱性（黃少卿等，2022；DeAngelo等，2018）[4，5]。因此，2015年起，我國將“去杠桿”作為供給側(cè)結(jié)構(gòu)性改革的任務(wù)之一，控制企業(yè)杠桿率保持在合理水平成為重要工作內(nèi)容。然而，一個(gè)值得注意的現(xiàn)象是：企業(yè)賬面杠桿率可能并非其真實(shí)杠桿水平?，F(xiàn)實(shí)中，企業(yè)通過表外負(fù)債、明股實(shí)債及會(huì)計(jì)手段等降低賬面杠桿率的操縱行為愈發(fā)普遍，導(dǎo)致企業(yè)債務(wù)違約風(fēng)險(xiǎn)特征更為隱蔽（許曉芳和陸正飛，2022）[6]。例如，東方園林在2015—2020年通過在PPP業(yè)務(wù)中避免對(duì)SPV公司（Special purpose vehicle）并表的方式形成表外負(fù)債，產(chǎn)生杠桿率穩(wěn)定的假象，造成流動(dòng)性風(fēng)險(xiǎn)。恒大集團(tuán)在2013—2016年利用永續(xù)債等明股實(shí)債手段實(shí)現(xiàn)賬面杠桿率下降，真實(shí)債務(wù)風(fēng)險(xiǎn)卻迅速攀升，導(dǎo)致嚴(yán)重債務(wù)危機(jī)。可以看出，相比由表內(nèi)負(fù)債產(chǎn)生的賬面杠桿率，杠桿操縱的基本特點(diǎn)是企業(yè)通過非常規(guī)手段降低賬面負(fù)債率，實(shí)質(zhì)上卻并未降低財(cái)務(wù)風(fēng)險(xiǎn)，導(dǎo)致企業(yè)看似合理的杠桿率背后是更沉重的債務(wù)包袱，不僅會(huì)削弱財(cái)務(wù)信息質(zhì)量，干擾市場(chǎng)主體經(jīng)濟(jì)決策，還會(huì)降低資本配置效率，增加隱性債務(wù)風(fēng)險(xiǎn)（許曉芳和陸正飛，2022）[6]。

已有研究表明，政策壓力和融資約束是企業(yè)杠桿操縱的兩大誘因（許曉芳等，2021）[7]。隨著去杠桿政策成效的顯現(xiàn)以及穩(wěn)杠桿政策的落實(shí)，政策壓力逐步減弱（王竹泉等，2022）[8]，企業(yè)在融資約束下的機(jī)會(huì)主義動(dòng)機(jī)則成為關(guān)鍵問題。此時(shí)，高效的金融支持方式和監(jiān)督治理機(jī)制是修正企業(yè)杠桿操縱行為、防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)的關(guān)鍵。然而，傳統(tǒng)金融在服務(wù)實(shí)體經(jīng)濟(jì)過程中存在信息甄別和監(jiān)督成本高、風(fēng)險(xiǎn)控制能力弱等問題，授信明顯向賬面低杠桿企業(yè)傾斜，制約了金融資源配置效率的提升。銀行數(shù)字化轉(zhuǎn)型則為降低銀企信息不對(duì)稱、強(qiáng)化銀行監(jiān)督治理水平提供了新途徑。理論上，銀行開展數(shù)字化轉(zhuǎn)型后，可以借助數(shù)字技術(shù)提升信貸業(yè)務(wù)管理水平，強(qiáng)化對(duì)企業(yè)的監(jiān)督，從而弱化企業(yè)杠桿操縱動(dòng)機(jī)。但現(xiàn)實(shí)中，由于銀行數(shù)字化轉(zhuǎn)型仍面臨諸多挑戰(zhàn)，智能技術(shù)應(yīng)用帶來的數(shù)字鴻溝問題尚未解決（楊東，2018）[9]，銀行對(duì)數(shù)字技術(shù)的應(yīng)用效果仍有待進(jìn)一步檢驗(yàn)?；诖耍疚闹攸c(diǎn)關(guān)注以下幾個(gè)問題：首先，銀行數(shù)字化轉(zhuǎn)型能否抑制企業(yè)杠桿操縱行為，防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)？其次，其具體作用機(jī)制是什么，不同杠桿操縱形式、不同銀行數(shù)字化轉(zhuǎn)型類型、不同金融監(jiān)管環(huán)境下是否存在差異？最后，銀行數(shù)字化轉(zhuǎn)型能否通過降低企業(yè)杠桿操縱實(shí)現(xiàn)風(fēng)險(xiǎn)平抑，進(jìn)而對(duì)金融業(yè)產(chǎn)生“反哺效應(yīng)”？這些問題的檢驗(yàn)分析對(duì)于探索數(shù)字金融助力金融供給側(cè)結(jié)構(gòu)性改革的路徑、全面防范化解金融風(fēng)險(xiǎn)具有重要的理論和現(xiàn)實(shí)意義。

本研究的創(chuàng)新點(diǎn)和潛在貢獻(xiàn)可能在于：第一，豐富了銀行數(shù)字化轉(zhuǎn)型在微觀企業(yè)層面經(jīng)濟(jì)后果的研究，拓展了銀行數(shù)字化轉(zhuǎn)型在防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)方面的積極作用。現(xiàn)有研究集中討論銀行數(shù)字化轉(zhuǎn)型對(duì)自身發(fā)展的影響，對(duì)企業(yè)影響的研究較少。本文剖析了銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)杠桿操縱的影響，并從企業(yè)和銀行雙重視角展開機(jī)制分析，對(duì)理解銀行數(shù)字化轉(zhuǎn)型在各類金融風(fēng)險(xiǎn)治理中的作用具有重要意義。第二，基于企業(yè)杠桿操縱行為，補(bǔ)充了企業(yè)隱性債務(wù)的防范化解對(duì)策研究?，F(xiàn)有文獻(xiàn)多討論杠桿操縱的成因（許曉芳等，2021；李曉溪和楊國超，2022；陳琪等，2024）[7，10，11]，少有研究從銀行債權(quán)人治理的角度尋找應(yīng)對(duì)之策?；谛畔⒉粚?duì)稱理論，本文發(fā)現(xiàn)銀行數(shù)字化轉(zhuǎn)型通過打破信息孤島，能夠緩解“融資難”和“監(jiān)督弱”問題，為防范化解企業(yè)隱性債務(wù)風(fēng)險(xiǎn)提供可行建議。第三，從銀行、企業(yè)和政府多主體角度探索發(fā)揮銀行數(shù)字化轉(zhuǎn)型積極效應(yīng)的最優(yōu)路徑，為數(shù)字金融助力實(shí)體經(jīng)濟(jì)安全發(fā)展提供經(jīng)驗(yàn)證據(jù)。在進(jìn)一步檢驗(yàn)中，不僅區(qū)分了銀行數(shù)字化轉(zhuǎn)型的不同類型、企業(yè)杠桿操縱的不同形式，還探討了不同金融監(jiān)管環(huán)境下的影響異質(zhì)性，經(jīng)濟(jì)后果分析則佐證了銀行數(shù)字化轉(zhuǎn)型帶來的風(fēng)險(xiǎn)平抑效應(yīng)，為多主體構(gòu)建數(shù)字金融助力金融安全的長(zhǎng)效機(jī)制提供了經(jīng)驗(yàn)啟示。

二、理論分析與假設(shè)提出

（一）文獻(xiàn)綜述

與本文密切相關(guān)的文獻(xiàn)主要有兩類：一是關(guān)于企業(yè)隱性債務(wù)風(fēng)險(xiǎn)影響因素的研究。以往隱性債務(wù)的研究對(duì)象大多是地方政府（王彥超等，2023；熊琛等，2022）[12，13]，鮮有研究關(guān)注微觀企業(yè)的隱性債務(wù)問題。實(shí)際上，2021年，國務(wù)院國資委印發(fā)的《關(guān)于加強(qiáng)地方國有企業(yè)債務(wù)風(fēng)險(xiǎn)管控工作的指導(dǎo)意見》便提出要“加強(qiáng)對(duì)企業(yè)隱性債務(wù)的管控”，明確指出通過嚴(yán)控資產(chǎn)出表、表外融資等行為，嚴(yán)格限制永續(xù)債券、永續(xù)保險(xiǎn)及永續(xù)信托等權(quán)益類永續(xù)債和并表基金產(chǎn)品占凈資產(chǎn)的比例，以完善債務(wù)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警機(jī)制，精準(zhǔn)識(shí)別高風(fēng)險(xiǎn)企業(yè)，防止企業(yè)債務(wù)風(fēng)險(xiǎn)攀升和交叉?zhèn)鲗?dǎo)，從源頭上防范債務(wù)風(fēng)險(xiǎn)?？梢钥闯?，政府對(duì)企業(yè)隱性債務(wù)的管控范圍與企業(yè)杠桿操縱的手段高度一致。企業(yè)杠桿操縱相關(guān)的研究中，許曉芳和陸正飛（2022）[6]最早界定了杠桿操縱的概念，認(rèn)為中國上市公司廣泛存在杠桿操縱行為，具體形式包括狹義和廣義兩種。狹義杠桿操縱指企業(yè)利用財(cái)務(wù)活動(dòng)安排掩蓋公司杠桿風(fēng)險(xiǎn)的行為，包括通過設(shè)計(jì)經(jīng)營租賃、避免并表、隱瞞或有負(fù)債等獲取表外負(fù)債，或采用結(jié)構(gòu)化主體投資、“抽屜協(xié)議”等手段實(shí)現(xiàn)明股實(shí)債融資。廣義杠桿操縱還包括了通過操縱利潤降低賬面杠桿率的會(huì)計(jì)手段，如少計(jì)提折舊攤銷與減值準(zhǔn)備、提高研發(fā)支出資本率、提高資產(chǎn)賬面價(jià)值或減少預(yù)計(jì)負(fù)債確認(rèn)等，反映出杠桿操縱作為隱藏賬面?zhèn)鶆?wù)的行為實(shí)質(zhì)上增加了企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。有關(guān)杠桿操縱影響因素的研究發(fā)現(xiàn)，機(jī)構(gòu)投資者持股（卿小權(quán)等，2023）[14]、銀行業(yè)競(jìng)爭(zhēng)（李曉溪等，2023）[3]等能夠抑制企業(yè)杠桿操縱，而新債發(fā)行需求（李曉溪和楊國超，2022）[10]、地方政府債務(wù)擴(kuò)張（饒品貴等，2022）[11]等會(huì)加劇企業(yè)杠桿操縱，增加企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。

二是關(guān)于銀行數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的研究。這類文獻(xiàn)中，數(shù)字化轉(zhuǎn)型對(duì)銀行自身發(fā)展影響的研究更多，對(duì)企業(yè)決策影響的研究較少。大多數(shù)研究認(rèn)為銀行數(shù)字化轉(zhuǎn)型能提高銀行的市場(chǎng)份額（Akhisar等，2015）[15]、信貸配置效率（Cheng和Qu，2020）[16]和資產(chǎn)回報(bào)率（丁鑫和周曄，2024）[17]，降低流動(dòng)性囤積和周期性風(fēng)險(xiǎn)（項(xiàng)后軍和高鵬飛，2023；Yao和Song，2021）[18，19]。也有少數(shù)研究發(fā)現(xiàn)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型成效不佳，甚至降低了銀行盈利能力（Zhao等，2021）[20]。從企業(yè)角度來看，已有研究指出銀行數(shù)字化轉(zhuǎn)型可以促進(jìn)企業(yè)結(jié)構(gòu)性去杠桿（張金清等，2022）[21]，降低企業(yè)周邊碳排放（盧小祁和俞毛毛，2024）[22]，促進(jìn)企業(yè)高質(zhì)量發(fā)展（郭娜等，2024）[23]。王斌等（2023）[24]發(fā)現(xiàn)外部金融科技發(fā)展能夠抑制企業(yè)杠桿操縱，但尚未有研究通過貸款數(shù)據(jù)匹配連接銀行與企業(yè)，深入分析作為債權(quán)人的銀行的數(shù)字化轉(zhuǎn)型對(duì)企業(yè)杠桿操縱行為的影響。整體來看，未有研究從企業(yè)隱性債務(wù)風(fēng)險(xiǎn)角度審視杠桿操縱潛在的金融風(fēng)險(xiǎn)，也未有研究基于銀企信貸匹配數(shù)據(jù)來挖掘銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)隱性債務(wù)風(fēng)險(xiǎn)的影響。因此，本文的探討不僅有助于拓展這兩個(gè)方面的研究視角，也能夠?yàn)殂y行探索利用數(shù)字技術(shù)服務(wù)實(shí)體經(jīng)濟(jì)的新路徑、防范化解系統(tǒng)性金融風(fēng)險(xiǎn)提供啟示。

（二）理論分析與假設(shè)提出

從銀企信貸關(guān)系來看，“融資難”和“監(jiān)督弱”是引起企業(yè)杠桿操縱、加劇企業(yè)隱性債務(wù)風(fēng)險(xiǎn)的主要原因（李曉溪等，2023）[3]。一方面，銀行對(duì)高杠桿企業(yè)存在貸款期限和利率等方面的明確限制，因此，“融資難”導(dǎo)致企業(yè)有動(dòng)機(jī)通過粉飾杠桿降低表面財(cái)務(wù)風(fēng)險(xiǎn)，進(jìn)而符合信貸要求或建立信貸優(yōu)勢(shì)（饒品貴等，2022）[11]。另一方面，基于債務(wù)契約理論，銀行可以通過制定債務(wù)契約并監(jiān)督契約執(zhí)行發(fā)揮監(jiān)督治理作用（Bharath和Hertzel，2019）[25]，如要求企業(yè)披露相關(guān)信息，促使企業(yè)采取更謹(jǐn)慎的會(huì)計(jì)政策等（Frankel等，2020）[26]。然而，當(dāng)前我國債務(wù)約束機(jī)制尚不完善，傳統(tǒng)貸款流程下企業(yè)信息搜集成本較高，銀行參與監(jiān)督治理的積極性和有效性較低（張一林等，2019）[27]，因此，“監(jiān)督弱”也導(dǎo)致企業(yè)杠桿操縱的潛在收益大于成本，操縱動(dòng)機(jī)隨之上升。而銀行數(shù)字化轉(zhuǎn)型使得銀行信息搜集處理方式升級(jí)，能從根本上緩解企業(yè)面臨的“融資難”和“監(jiān)督弱”問題，進(jìn)而弱化企業(yè)杠桿操縱動(dòng)機(jī)，降低企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。

首先，銀行數(shù)字化轉(zhuǎn)型能發(fā)揮資源效應(yīng)，拓寬企業(yè)信用融資渠道，緩解企業(yè)融資約束，進(jìn)而降低企業(yè)在融資壓力下的杠桿操縱動(dòng)機(jī)。傳統(tǒng)技術(shù)條件下，銀行主要通過派遣信貸員、實(shí)地調(diào)研走訪等手段搜集企業(yè)信息，搜集成本高且效率低?；谛畔⒉粚?duì)稱理論，為降低不良貸款率，此時(shí)銀行會(huì)要求企業(yè)提供較多抵押品，對(duì)企業(yè)融資產(chǎn)生較大限制（Menkhoff等，2012）[28]。銀行數(shù)字化轉(zhuǎn)型能夠建立銀行與企業(yè)之間的“數(shù)字信任”，在大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)和區(qū)塊鏈等技術(shù)的基礎(chǔ)上發(fā)展大數(shù)據(jù)信貸和數(shù)字供應(yīng)鏈金融，不僅有利于實(shí)現(xiàn)對(duì)企業(yè)信用的精準(zhǔn)評(píng)估，還能通過創(chuàng)新金融服務(wù)推動(dòng)信用貸款，進(jìn)而緩解企業(yè)融資壓力（黃益平和邱晗，2021）[29]。在客戶匹配方面，基于系列深度學(xué)習(xí)算法與投資組合模型，銀行能夠智能識(shí)別和了解企業(yè)的投融資需求，通過優(yōu)化信貸決策模型提高信貸配置的科學(xué)性；在信貸審批方面，能夠通過K均值聚類算法、隨機(jī)森林等優(yōu)化信貸評(píng)分，提高貸款審批速度和效率，降低信貸交易成本（Fuster等，2019）[30]；在信貸管理方面，憑借數(shù)據(jù)信息不可篡改、智能合約事件觸發(fā)、分布式容錯(cuò)等技術(shù)優(yōu)勢(shì)，實(shí)現(xiàn)貸款流程管理的透明化、自動(dòng)化和可追溯性（Patki和Sople，2020）[31]。此外，銀行數(shù)字化轉(zhuǎn)型還可以推動(dòng)登記、交易、清算、結(jié)算等環(huán)節(jié)的設(shè)施建設(shè)（Chiu和Koeppl，2019）[32]，以技術(shù)驅(qū)動(dòng)資本市場(chǎng)規(guī)則制度的不斷完善，進(jìn)而降低信貸交易成本，緩解企業(yè)融資壓力，降低企業(yè)杠桿操縱動(dòng)機(jī)。

其次，銀行數(shù)字化轉(zhuǎn)型能發(fā)揮監(jiān)督效應(yīng)，強(qiáng)化銀行的信息搜集和分析能力，優(yōu)化銀行的風(fēng)險(xiǎn)管理體系，增強(qiáng)其作為外部債權(quán)人的監(jiān)督水平，從而抑制企業(yè)杠桿操縱。一方面，銀行通過數(shù)字化轉(zhuǎn)型可以獲取更多非結(jié)構(gòu)化信息（謝婼青等，2021）[33]。例如，通過大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)手段打通供應(yīng)鏈、價(jià)值鏈及物流鏈信息系統(tǒng)，通過移動(dòng)支付、精準(zhǔn)營銷等應(yīng)用對(duì)接企業(yè)核心業(yè)務(wù)場(chǎng)景，直接貫通銀企信息鏈條，真正實(shí)現(xiàn)信息共享。另一方面，銀行數(shù)字化轉(zhuǎn)型還可以實(shí)現(xiàn)對(duì)企業(yè)財(cái)務(wù)信息的實(shí)時(shí)預(yù)測(cè)、審核和評(píng)估（Huang等，2018）[34]，降低債權(quán)人的監(jiān)督治理成本。例如，通過深度算法預(yù)測(cè)投資回報(bào)并評(píng)估企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，提升信息采集和處理效率，實(shí)現(xiàn)事前信用評(píng)估、事中監(jiān)督和事后風(fēng)險(xiǎn)控制全過程的決策優(yōu)化。因此，數(shù)字化轉(zhuǎn)型能夠幫助銀行提高對(duì)企業(yè)債務(wù)風(fēng)險(xiǎn)的甄別和監(jiān)督能力，精準(zhǔn)識(shí)別和追蹤企業(yè)杠桿操縱行為，并通過提高債務(wù)契約標(biāo)準(zhǔn)甚至拒絕貸款等方式強(qiáng)化治理，從而增加杠桿操縱的難度。此外，銀行數(shù)字化轉(zhuǎn)型還有助于重塑金融市場(chǎng)結(jié)構(gòu)。開展數(shù)字化轉(zhuǎn)型的銀行通過挖掘需求和下沉供給，能夠間接激勵(lì)其他銀行提升放貸意愿和監(jiān)督治理水平，由此降低企業(yè)杠桿操縱動(dòng)機(jī)，緩解企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。

最后，銀行數(shù)字化轉(zhuǎn)型能發(fā)揮治理效應(yīng)，通過降低企業(yè)套利空間，倒逼企業(yè)優(yōu)化內(nèi)部治理環(huán)境，提升信息披露質(zhì)量，降低管理層機(jī)會(huì)主義動(dòng)機(jī)，從而抑制企業(yè)杠桿操縱?；谖写砝碚摚?lì)不相容機(jī)制下，管理層有動(dòng)機(jī)通過會(huì)計(jì)手段提升賬面利潤或掩蓋債務(wù)風(fēng)險(xiǎn)以獲取更高報(bào)酬，從而進(jìn)行杠桿操縱。銀行數(shù)字化轉(zhuǎn)型對(duì)數(shù)據(jù)應(yīng)用空間和效用的提升，強(qiáng)化了銀行在業(yè)務(wù)拓展、價(jià)值挖掘和信貸匹配方面的能力（譚常春等，2023）[35]，尤其是在續(xù)貸客戶預(yù)測(cè)方面，銀行數(shù)字化轉(zhuǎn)型極大地提高了對(duì)續(xù)貸企業(yè)風(fēng)險(xiǎn)評(píng)估的查全率。這實(shí)質(zhì)上降低了企業(yè)在信貸過程中的套利空間，緩解了信貸資源配置的逆向選擇問題。企業(yè)只有提高信息披露質(zhì)量，才能提升信用資質(zhì)，進(jìn)而獲取信貸優(yōu)勢(shì)。因此，銀行數(shù)字化轉(zhuǎn)型同樣有助于緩解企業(yè)代理沖突和管理層機(jī)會(huì)主義動(dòng)機(jī)，通過強(qiáng)化監(jiān)督和提升內(nèi)部治理，從而降低企業(yè)杠桿操縱程度，緩解企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。

綜上，銀行數(shù)字化轉(zhuǎn)型能降低銀企信息不對(duì)稱，緩解企業(yè)融資約束、強(qiáng)化銀行外部監(jiān)督并提高企業(yè)內(nèi)部治理水平，最終抑制企業(yè)杠桿操縱行為。由此，本文提出如下假設(shè)：

假設(shè)1：銀行數(shù)字化轉(zhuǎn)型能夠抑制企業(yè)杠桿操縱行為，防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來源

以2011—2021年滬深A(yù)股上市公司為研究對(duì)象，對(duì)樣本進(jìn)行以下處理：（1）考慮到金融行業(yè)企業(yè)使用的會(huì)計(jì)準(zhǔn)則具有特殊性，剔除金融類上市公司；（2）剔除ST、ST*、PT以及資產(chǎn)負(fù)債率大于1的企業(yè)；（3）剔除觀測(cè)值缺失的樣本；（4）剔除上市不滿一年的樣本；（5）為消除極端值影響，對(duì)全部連續(xù)變量進(jìn)行上下1%的縮尾處理。最終獲得7699個(gè)觀測(cè)值。地區(qū)經(jīng)濟(jì)數(shù)據(jù)來自國家統(tǒng)計(jì)局，銀行數(shù)字化轉(zhuǎn)型指數(shù)來自北京大學(xué)數(shù)字金融研究中心，市場(chǎng)化指數(shù)來自《中國分省份市場(chǎng)化指數(shù)報(bào)告（2018）》，銀行地理位置數(shù)據(jù)、上市公司基本信息、財(cái)務(wù)數(shù)據(jù)和貸款數(shù)據(jù)來自國泰安數(shù)據(jù)庫。

（二）主要變量定義

1. 被解釋變量：企業(yè)杠桿操縱（ExpLEVMI）。借鑒許曉芳等（2021）[7]的研究，企業(yè)杠桿操縱的主要測(cè)算方法有基本XLT-LEVM法、擴(kuò)展XLT-LEVM（直接法）和擴(kuò)展XLT-LEVM（間接法）。其中，基本XLT-LEVM法對(duì)應(yīng)狹義概念下的杠桿操縱，只考慮企業(yè)利用表外負(fù)債和明股實(shí)債進(jìn)行的杠桿操縱；擴(kuò)展XLT-LEVM則對(duì)應(yīng)廣義概念下的杠桿操縱，除了考慮表外負(fù)債和明股實(shí)債兩種杠桿操縱手段外，還將利用會(huì)計(jì)手段進(jìn)行的杠桿操縱也納入測(cè)算范圍。擴(kuò)展XLT-LEVM（直接法）和擴(kuò)展XLT-LEVM（間接法）的區(qū)別則在于，前者主要選取固定資產(chǎn)折舊和研發(fā)支出資本化兩種最典型的會(huì)計(jì)手段，而后者則基于修正瓊斯模型考慮了所有盈余管理手段。相較之下，擴(kuò)展XLT-LEVM（間接法）的度量更為全面準(zhǔn)確，因此，本文采用這一方式衡量企業(yè)杠桿操縱程度。具體而言，擴(kuò)展XLT-LEVM（間接法）估計(jì)企業(yè)杠桿操縱程度的模型如下：

[ExpLEVMIit=（DEBTit+DEBT_OBit+DEBT_NSRDit）÷（ASSETit+DEBT_OBit-DM_ASSETit-DAit）-LEVBit]" " "（1）

其中，[ExpLEVMI]為利用擴(kuò)展XLT-LEVM（間接法）計(jì)算的企業(yè)杠桿操縱程度，[DEBT]為公司的賬面負(fù)債，[DEBT_OB]和[DEBT_NSRD]分別是企業(yè)的表外負(fù)債和明股實(shí)債總額，[ASSET]為企業(yè)的資產(chǎn)總額，[DA]為利用修正瓊斯模型計(jì)算得到的企業(yè)操縱性應(yīng)計(jì)利潤的估計(jì)值①，[LEVB]為企業(yè)的名義杠桿率。

2. 解釋變量：銀行數(shù)字化轉(zhuǎn)型（BankDig）。現(xiàn)有文獻(xiàn)測(cè)度銀行數(shù)字化轉(zhuǎn)型的方式主要有：一是文本分析法，對(duì)銀行年報(bào)中相關(guān)關(guān)鍵詞進(jìn)行搜索匯總，基于詞頻反映銀行數(shù)字化轉(zhuǎn)型程度（胡俊等，2021）[36]；二是利用銀行申請(qǐng)的數(shù)字化相關(guān)專利數(shù)量衡量其數(shù)字化轉(zhuǎn)型水平（李逸飛等，2022）[37]；三是基于銀行與外部金融科技企業(yè)的合作情況（合作時(shí)間、合作次數(shù)等）衡量其數(shù)字化轉(zhuǎn)型程度（郭曄等，2022）[38]；四是采用北京大學(xué)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)衡量銀行數(shù)字化轉(zhuǎn)型情況（謝絢麗和王詩卉，2022）[39]。銀行數(shù)字化轉(zhuǎn)型是涉及數(shù)字化組織戰(zhàn)略管理、數(shù)字化產(chǎn)品和業(yè)務(wù)服務(wù)以及數(shù)字技術(shù)應(yīng)用等多維度的綜合性變革，北京大學(xué)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)從銀行在戰(zhàn)略、業(yè)務(wù)、管理三方面的數(shù)字化轉(zhuǎn)型情況出發(fā)，涵蓋了數(shù)字化渠道、產(chǎn)品、研發(fā)、架構(gòu)、信息科技董事、信息科技高管和數(shù)字化合作等多個(gè)維度，能彌補(bǔ)文本分析的局限性，更全面準(zhǔn)確地反映銀行數(shù)字化轉(zhuǎn)型水平。因此，本文采用此指數(shù)的對(duì)數(shù)衡量銀行數(shù)字化轉(zhuǎn)型程度。

銀行數(shù)字化轉(zhuǎn)型影響企業(yè)行為的連接點(diǎn)在于借貸關(guān)系。為建立銀行和企業(yè)的對(duì)應(yīng)關(guān)系，借鑒李逸飛等（2022）[37]的研究，基于上市公司貸款信息，整理企業(yè)在各個(gè)貸款銀行的貸款額，逐年匹配該銀行對(duì)應(yīng)的數(shù)字化轉(zhuǎn)型指數(shù)，構(gòu)建“企業(yè)—年份—銀行數(shù)字化轉(zhuǎn)型”數(shù)據(jù)，加權(quán)計(jì)算企業(yè)對(duì)應(yīng)貸款銀行的數(shù)字化轉(zhuǎn)型程度，作為核心解釋變量。具體計(jì)算公式如下：

[BankDigi，t=n=1NBank_digtiali，n，t×Loani，n，tSum_Loani，n，t]（2）

其中，[Bank_digtiali，t]表示企業(yè)[i]在[t]年對(duì)應(yīng)銀行[n]的數(shù)字化轉(zhuǎn)型指數(shù)，[Sum_Loani，n，t]表示企業(yè)公布的銀行貸款總額，[Loani，n，t]表示企業(yè)[i]在[t]年對(duì)應(yīng)銀行[n]的貸款額。[BankDig]值越大，表示企業(yè)對(duì)應(yīng)貸款銀行數(shù)字化轉(zhuǎn)型水平越高。

3. 控制變量。借鑒已有研究（李曉溪等，2023）[3]，從企業(yè)特征、財(cái)務(wù)狀況、公司治理以及地區(qū)發(fā)展情況等方面選擇控制變量。在企業(yè)特征和財(cái)務(wù)狀況方面，選取企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、企業(yè)成立年限（Age）、企業(yè)成長(zhǎng)性（Growth）、總資產(chǎn)回報(bào)率（ROA）、經(jīng)營活動(dòng)現(xiàn)金流（CFO）和債務(wù)融資成本（COD）；在公司治理方面，選取管理層持股比例（Mshare）、獨(dú)立董事占比（Indep）和股權(quán)集中度（Top10）；在地區(qū)發(fā)展方面，則選取市場(chǎng)化指數(shù)（Market）和GDP增長(zhǎng)率（GDPG）。此外，同時(shí)控制年份（Year）和公司個(gè)體（Firm）固定效應(yīng)。主要變量具體定義如表1所示。

（三）模型設(shè)計(jì)

為探究銀行數(shù)字化轉(zhuǎn)型與企業(yè)隱性債務(wù)風(fēng)險(xiǎn)之間的關(guān)系，本文構(gòu)建如下基準(zhǔn)模型：

[ExpLEVMIit+1=α0+α1BankDigit+αcControlsit+δt+μi+εit]" " "（3）

其中，下標(biāo)[i]表示企業(yè)，[t]表示年份。考慮到銀行數(shù)字化轉(zhuǎn)型的作用可能存在時(shí)滯，被解釋變量企業(yè)杠桿操縱取[t+1]期。[ExpLEVMI]為企業(yè)杠桿操縱程度。[BankDig]為企業(yè)層面對(duì)應(yīng)的銀行數(shù)字化轉(zhuǎn)型程度，[Controls]為控制變量的集合，[δt]為年份固定效應(yīng)，[μt]為個(gè)體固定效應(yīng)，[ε]為殘差，采用異方差穩(wěn)健標(biāo)準(zhǔn)誤。重點(diǎn)關(guān)注模型中[α1]的符號(hào)和顯著性，若[α1]顯著為負(fù)，表明銀行數(shù)字化轉(zhuǎn)型能夠顯著抑制企業(yè)杠桿操縱，則假設(shè)1得以驗(yàn)證。

（四）描述性統(tǒng)計(jì)

主要變量的描述性統(tǒng)計(jì)結(jié)果如表2所示?？梢钥闯?，企業(yè)杠桿操縱程度的均值為0.1066，標(biāo)準(zhǔn)差為0.1208，最小值、最大值分別為-0.0648和0.5218，與許曉芳等（2021）[7]測(cè)度的結(jié)果相近，表明不同上市公司之間的杠桿操縱程度存在較大差異。銀行數(shù)字化轉(zhuǎn)型程度的均值為4.5797，標(biāo)準(zhǔn)差為0.4846，最小值和最大值分別為2.1640和5.1402，說明不同企業(yè)對(duì)應(yīng)貸款銀行的數(shù)字化轉(zhuǎn)型程度也存在明顯不同。此外，其他控制變量的描述性統(tǒng)計(jì)與已有研究相近，均在合理范圍內(nèi)。

四、實(shí)證分析

（一）基準(zhǔn)回歸分析

基準(zhǔn)回歸結(jié)果如表3所示。其中，列（1）僅將銀行數(shù)字化轉(zhuǎn)型和企業(yè)杠桿操縱程度進(jìn)行回歸，并控制年度和個(gè)體固定效應(yīng)?？梢钥吹?，銀行數(shù)字化轉(zhuǎn)型的系數(shù)在1%的水平上顯著為負(fù)。列（2）進(jìn)一步將控制變量加入回歸，結(jié)果顯示，銀行數(shù)字化轉(zhuǎn)型的回歸系數(shù)為-0.0270，在1%的水平上顯著。從經(jīng)濟(jì)顯著性來看，銀行數(shù)字化轉(zhuǎn)型程度每增加1個(gè)標(biāo)準(zhǔn)差，企業(yè)杠桿操縱程度下降12.274%，表明銀行數(shù)字化轉(zhuǎn)型能夠顯著抑制企業(yè)杠桿操縱，支持了本文假設(shè)1。

（二）穩(wěn)健性檢驗(yàn)

1. 內(nèi)生性問題的解決。上述研究結(jié)論可能存在反向因果解釋。例如，企業(yè)杠桿操縱手段和融資行為的改變可能反向推動(dòng)其貸款銀行積極應(yīng)用金融科技，從而提升其數(shù)字化轉(zhuǎn)型水平。為此，本文采用工具變量法緩解潛在的內(nèi)生性問題。借鑒唐要家等（2022）[40] 的研究，以1984年各省份每百人固定電話數(shù)量與我國每年信息技術(shù)服務(wù)收入的乘積構(gòu)建工具變量IV1。銀行數(shù)字化轉(zhuǎn)型能力和意愿與互聯(lián)網(wǎng)發(fā)展水平息息相關(guān)，互聯(lián)網(wǎng)的發(fā)展則建立在固定電話普及的基礎(chǔ)之上，因此，固定電話普及率與銀行數(shù)字化轉(zhuǎn)型密切相關(guān)，滿足工具變量選擇的相關(guān)性要求。而固定電話普及率與企業(yè)杠桿操縱之間不存在直接關(guān)系，滿足外生性要求。此外，以其他類似規(guī)模銀行的數(shù)字化轉(zhuǎn)型程度構(gòu)建工具變量IV2。具體而言，以為企業(yè)提供貸款銀行的總資產(chǎn)為參照變量，匹配與其規(guī)模相近且該年度未向企業(yè)放貸的銀行，然后以企業(yè)在各銀行的貸款金額為權(quán)重，用替代銀行的數(shù)字化轉(zhuǎn)型指標(biāo)進(jìn)行加權(quán)合成工具變量。一方面，規(guī)模相近銀行的數(shù)字化轉(zhuǎn)型可能存在學(xué)習(xí)模范效應(yīng)，具有相關(guān)性。另一方面，未向該企業(yè)發(fā)放貸款的銀行難以直接影響企業(yè)決策。因此，該工具變量也能滿足相關(guān)性和外生性兩個(gè)條件。工具變量回歸結(jié)果如表4所示?？梢园l(fā)現(xiàn)，解釋變量與工具變量顯著正相關(guān)。有效性檢驗(yàn)顯示，Kleibergen-Paap rk LM統(tǒng)計(jì)量為44.197，對(duì)應(yīng)P值為0.00，Kleibergen-Paap Wald rk F統(tǒng)計(jì)量的值為22.464，大于10%水平上對(duì)應(yīng)的臨界值19.930，通過不可識(shí)別檢驗(yàn)和弱工具變量檢驗(yàn)。列（3）結(jié)果顯示，銀行數(shù)字化轉(zhuǎn)型的系數(shù)依然顯著為負(fù)，表明考慮內(nèi)生性問題后結(jié)論仍保持穩(wěn)健。

2. 替換關(guān)鍵變量。第一，改變企業(yè)杠桿操縱的衡量方式。借鑒許曉芳等（2021）[7]的做法，分別采用基本XLT-LEVM法和擴(kuò)展XLT-LEVM（直接法）重新測(cè)算企業(yè)杠桿操縱（LEVM、ExpLEVM）。第二，替換銀行數(shù)字化轉(zhuǎn)型的衡量方式。借鑒Cheng和Qu（2020）[16]、張金清等（2022）[21]的研究，選取人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)、數(shù)字化技術(shù)應(yīng)用等關(guān)鍵詞，利用文本挖掘統(tǒng)計(jì)年報(bào)詞頻的方式構(gòu)建各銀行的數(shù)字化轉(zhuǎn)型程度指標(biāo)，然后再根據(jù)企業(yè)每年在各銀行的貸款金額加權(quán)，構(gòu)建新的銀行數(shù)字化轉(zhuǎn)型指標(biāo)BankDig2。替換關(guān)鍵變量后的回歸結(jié)果如表5列（1）—（3）所示，核心解釋變量的系數(shù)顯著為負(fù)，說明前文結(jié)論保持穩(wěn)健。

3. 優(yōu)化樣本結(jié)構(gòu)。第一，考慮去杠桿政策的影響。2015年，中央政府首次將“去杠桿”列為“三去一降一補(bǔ)”的重要工作之一，可能導(dǎo)致一定時(shí)期內(nèi)企業(yè)杠桿操縱呈現(xiàn)非常規(guī)特征。為降低該政策的影響，剔除去杠桿政策實(shí)施當(dāng)年（2015年）及之后一年（2016）的樣本后重新進(jìn)行檢驗(yàn)。第二，考慮到房地產(chǎn)業(yè)和建筑業(yè)作為重點(diǎn)關(guān)注行業(yè)，受政策影響更大，因此，剔除這兩個(gè)行業(yè)后再次進(jìn)行檢驗(yàn)。第三，剔除直轄市樣本?？紤]到直轄市的金融發(fā)展水平和資本市場(chǎng)信息透明度更高，當(dāng)?shù)仄髽I(yè)杠桿操縱程度可能較低。因此，進(jìn)一步剔除直轄市樣本進(jìn)行重新檢驗(yàn)。優(yōu)化樣本結(jié)構(gòu)后的回歸結(jié)果如表5列（4）—（6）所示，結(jié)果保持穩(wěn)健。

4. 考慮會(huì)計(jì)準(zhǔn)則變更的影響。2018年12月，財(cái)政部修訂發(fā)布了《企業(yè)會(huì)計(jì)準(zhǔn)則第21號(hào)——租賃》，并于2021年1月1日起全面施行。新租賃準(zhǔn)則取消了租賃分類，要求承租人在資產(chǎn)負(fù)債表內(nèi)確認(rèn)使用權(quán)資產(chǎn)和租賃負(fù)債，導(dǎo)致經(jīng)營租賃表內(nèi)化，降低了承租企業(yè)利用經(jīng)營租賃這一表外負(fù)債進(jìn)行杠桿操縱的空間（Cornaggia等，2013）[41]。為避免準(zhǔn)則變化對(duì)研究結(jié)論的影響，剔除新租賃準(zhǔn)則實(shí)施后的年度樣本再次進(jìn)行檢驗(yàn)。回歸結(jié)果如表5列（7）所示，結(jié)果保持穩(wěn)健。

五、機(jī)制分析

（一）資源效應(yīng)：緩解企業(yè)融資約束

前文指出，“融資難”是企業(yè)進(jìn)行杠桿操縱的根本原因之一，融資壓力大的企業(yè)更有動(dòng)機(jī)進(jìn)行杠桿操縱。銀行數(shù)字化轉(zhuǎn)型直接利用信息技術(shù)賦能銀行信息搜集、處理和分析，緩解銀行與企業(yè)之間的信息不對(duì)稱，拓展企業(yè)的信用融資渠道，緩解企業(yè)融資約束。因此，緩解企業(yè)融資約束可能是銀行數(shù)字化轉(zhuǎn)型降低企業(yè)杠桿操縱的重要機(jī)制。為檢驗(yàn)這一機(jī)制，基于江艇（2022）[42]的檢驗(yàn)思路，采用SA指數(shù)和KZ指數(shù)衡量企業(yè)融資約束程度，并按照其行業(yè)年度中位數(shù)將樣本分為融資約束較高組和較低兩組進(jìn)行分組檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示?？梢姡谌谫Y約束較高組，銀行數(shù)字化轉(zhuǎn)型的系數(shù)顯著為負(fù)，而在融資約束較低組則并不顯著。結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型能夠發(fā)揮資源效應(yīng)，緩解企業(yè)融資約束，進(jìn)而降低企業(yè)杠桿操縱程度。

（二）監(jiān)督效應(yīng)：強(qiáng)化銀行監(jiān)督水平

銀行數(shù)字化轉(zhuǎn)型能大幅提高銀行作為外部債權(quán)人對(duì)企業(yè)經(jīng)營財(cái)務(wù)信息和非結(jié)構(gòu)化信息的分析能力，提升銀行監(jiān)督水平，進(jìn)而降低企業(yè)杠桿操縱。若此機(jī)制成立，那么這種監(jiān)督效應(yīng)的加強(qiáng)首先會(huì)反映在銀企距離較近的企業(yè)中。為此，借鑒李曉溪等（2023）[3]的研究，基于高德地圖開放平臺(tái)的地理坐標(biāo)匹配系統(tǒng)獲取各銀行分支機(jī)構(gòu)和企業(yè)地址的經(jīng)緯度，將企業(yè)經(jīng)緯度和銀行分支機(jī)構(gòu)的經(jīng)緯度數(shù)據(jù)進(jìn)行匹配，計(jì)算每年各企業(yè)與所有銀行分支機(jī)構(gòu)的地理距離，并統(tǒng)計(jì)周邊5km、10km范圍內(nèi)銀行分支機(jī)構(gòu)的數(shù)量（Bank10、Bank15），范圍內(nèi)銀行數(shù)量越多，表明銀企距離相對(duì)更近。按照Bank10、Bank15的行業(yè)年度中位數(shù)將樣本劃分為銀企距離較近和較遠(yuǎn)兩組，進(jìn)行分組回歸，檢驗(yàn)結(jié)果如表7所示?？梢?，銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)杠桿操縱的抑制作用在銀企距離較近組中更顯著，而在銀企距離較遠(yuǎn)組中不顯著。這一結(jié)果表明，數(shù)字化轉(zhuǎn)型能夠強(qiáng)化銀行外部監(jiān)督能力，從而降低企業(yè)在“監(jiān)督弱”環(huán)境下的杠桿操縱動(dòng)機(jī)。

（三）治理效應(yīng)：提高企業(yè)內(nèi)部治理水平

前文指出，銀行數(shù)字化轉(zhuǎn)型能倒逼企業(yè)提高內(nèi)部治理水平，從而緩解代理問題，降低信息不對(duì)稱，進(jìn)而降低企業(yè)杠桿操縱。為此，利用管理費(fèi)用率（管理費(fèi)用/營業(yè)收入）衡量代理成本，基于行業(yè)年度中位數(shù)將樣本劃分為代理成本較高和較低兩組。同時(shí)，借鑒于蔚等（2012）[43] 的研究，基于日頻交易數(shù)據(jù)計(jì)算股票流動(dòng)性指標(biāo)ASY。具體而言，分別測(cè)算流動(dòng)性比率指標(biāo)LR、非流動(dòng)性比率指標(biāo)ILL和收益率反轉(zhuǎn)指標(biāo)GAM②，通過主成分分析提取第一主成分以捕捉共同變異信息，記為信息不對(duì)稱指標(biāo)ASY，ASY越大表示信息不對(duì)稱程度越高?；谛袠I(yè)年度中位數(shù)將樣本劃分為信息不對(duì)稱較低和較高兩組。若銀行數(shù)字化轉(zhuǎn)型能通過提高企業(yè)內(nèi)部治理水平降低企業(yè)杠桿操縱程度，那么預(yù)計(jì)在代理成本和信息不對(duì)稱程度較高的樣本組中，銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)杠桿操縱的抑制作用更明顯。分組回歸結(jié)果如表8所示，在代理成本較高和信息不對(duì)稱程度較高組，銀行數(shù)字化轉(zhuǎn)型的系數(shù)均在1%的水平上顯著為負(fù)，在代理成本較低和信息不對(duì)稱較低組則并不顯著。以上結(jié)果表明，銀行數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部治理水平較差，即代理成本較高、信息不對(duì)稱程度較高的企業(yè)杠桿操縱的抑制作用更明顯。這一結(jié)果表明銀行數(shù)字化轉(zhuǎn)型能夠發(fā)揮治理效應(yīng)，提高企業(yè)內(nèi)部治理水平，進(jìn)而降低杠桿操縱程度。

六、進(jìn)一步討論

（一）企業(yè)層面：區(qū)分杠桿操縱手段的異質(zhì)性分析

企業(yè)杠桿操縱可劃分為表外負(fù)債、明股實(shí)債和會(huì)計(jì)手段三種形式（許曉芳等，2021）[7]。其中，表外負(fù)債指企業(yè)未計(jì)入資產(chǎn)負(fù)債表中的債務(wù)，管理者采用隱瞞或有債務(wù)、避免并表等形式降低企業(yè)的負(fù)債水平；明股實(shí)債指企業(yè)將本應(yīng)當(dāng)計(jì)入負(fù)債的部分計(jì)入權(quán)益，從而降低杠桿率；會(huì)計(jì)手段則指企業(yè)通過操縱折舊計(jì)提和研發(fā)支出資本化等會(huì)計(jì)手段來降低杠桿率。不同杠桿操縱手段在具體實(shí)施過程和受監(jiān)管程度等方面存在差異，因此，銀行數(shù)字化轉(zhuǎn)型對(duì)其發(fā)揮的作用也可能存在不同。為此，區(qū)分杠桿操縱的手段進(jìn)行回歸，結(jié)果如表9列（1）—（3）所示?？梢姡y行數(shù)字化轉(zhuǎn)型更能顯著抑制企業(yè)采用表外負(fù)債和會(huì)計(jì)手段進(jìn)行杠桿操縱的行為，而對(duì)于以明股實(shí)債方式進(jìn)行杠桿操縱的行為未發(fā)揮明顯作用。一種可能的解釋在于，目前明股實(shí)債相關(guān)監(jiān)管政策條款存在模糊地帶，會(huì)計(jì)準(zhǔn)則也并未對(duì)明股實(shí)債的處理作出明確規(guī)定，短期內(nèi)銀行難以通過技術(shù)手段察覺其潛在風(fēng)險(xiǎn)，更需要準(zhǔn)確的職業(yè)判斷或明確的規(guī)章制度加以引導(dǎo)和規(guī)范。

（二）銀行層面：區(qū)分銀行數(shù)字化轉(zhuǎn)型類型的異質(zhì)性分析

數(shù)字化的過程可以分解為戰(zhàn)略數(shù)字化、業(yè)務(wù)數(shù)字化和管理數(shù)字化三個(gè)維度（謝絢麗和王詩卉，2022）[39]。其中，戰(zhàn)略數(shù)字化關(guān)注銀行整體層面對(duì)數(shù)字技術(shù)的重視程度，業(yè)務(wù)數(shù)字化關(guān)注數(shù)字技術(shù)融合金融服務(wù)的程度，管理數(shù)字化則關(guān)注數(shù)字技術(shù)融合治理結(jié)構(gòu)和組織管理的程度，三種數(shù)字化類型對(duì)企業(yè)杠桿操縱的影響可能不同。借鑒謝絢麗和王詩卉（2022）[39]的研究，將銀行數(shù)字化轉(zhuǎn)型進(jìn)一步劃分為戰(zhàn)略數(shù)字化轉(zhuǎn)型（BankDig_S）、銀行業(yè)務(wù)數(shù)字化轉(zhuǎn)型（BankDig_O）和銀行管理數(shù)字化轉(zhuǎn)型（BankDig_M），分別展開檢驗(yàn)。檢驗(yàn)結(jié)果如表9列（4）—（6）所示，三者的系數(shù)均在1%的水平上顯著為負(fù)，表明三種銀行數(shù)字化轉(zhuǎn)型方式都能夠顯著抑制企業(yè)杠桿操縱。從經(jīng)濟(jì)顯著性上來看，銀行業(yè)務(wù)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.0319，對(duì)企業(yè)杠桿操縱的抑制作用最大，表明將數(shù)字技術(shù)切實(shí)融合到金融業(yè)務(wù)中是降低銀企信息不對(duì)稱、提升銀行監(jiān)督治理能力最有效的方式。

（三）政府層面：區(qū)分金融監(jiān)管程度的異質(zhì)性分析

在金融科技應(yīng)用過程中，需要政府提供有效的金融監(jiān)管以提高銀行數(shù)字化轉(zhuǎn)型的規(guī)范性（唐松等，2020）[44]。一方面，通過制定鼓勵(lì)金融科技創(chuàng)新的“監(jiān)管沙盒”計(jì)劃，金融監(jiān)管有助于銀行安全測(cè)試新技術(shù)和新服務(wù)，控制銀行在數(shù)字化轉(zhuǎn)型過程中產(chǎn)生的數(shù)字金融新型風(fēng)險(xiǎn)。但另一方面，金融監(jiān)管也有可能提高合規(guī)成本，在一定程度上阻礙銀行的數(shù)字化轉(zhuǎn)型進(jìn)程。那么，我國金融監(jiān)管究竟會(huì)如何影響銀行數(shù)字化轉(zhuǎn)型發(fā)揮作用，兩者是否能實(shí)現(xiàn)有效互補(bǔ)呢？為此，以區(qū)域金融監(jiān)管支出與區(qū)域GDP的比值衡量各地區(qū)金融監(jiān)管強(qiáng)度，并按照中位數(shù)將樣本劃分為金融監(jiān)管較強(qiáng)組和較弱組分別進(jìn)行回歸。檢驗(yàn)結(jié)果如表9列（7）和列（8）所示，在金融監(jiān)管較強(qiáng)的地區(qū)，銀行數(shù)字化轉(zhuǎn)型的系數(shù)在1%的水平上顯著降低了企業(yè)杠桿操縱程度，在金融監(jiān)管較弱地區(qū)則不顯著。這一結(jié)果表明當(dāng)前我國金融監(jiān)管與銀行金融科技發(fā)展實(shí)現(xiàn)了有效互補(bǔ)，能夠促進(jìn)銀行數(shù)字化轉(zhuǎn)型發(fā)揮積極效應(yīng)。

（四）經(jīng)濟(jì)后果檢驗(yàn)

根據(jù)前文的論證，銀行數(shù)字化轉(zhuǎn)型能夠發(fā)揮資源效應(yīng)、監(jiān)督效應(yīng)和治理效應(yīng)，進(jìn)而抑制企業(yè)杠桿操縱，防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。那么，銀行數(shù)字化轉(zhuǎn)型能否切實(shí)降低企業(yè)杠桿操縱帶來的經(jīng)營風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)，從而提升金融體系的安全性呢？為探究這一問題，本文以盈利能力的波動(dòng)衡量企業(yè)的經(jīng)營風(fēng)險(xiǎn)（ORisk），即企業(yè)在t年至t+2年間資產(chǎn)報(bào)酬率（息稅前利潤/總資產(chǎn)）的標(biāo)準(zhǔn)差乘以100。借鑒王化成等（2019）[45]的研究，采用簡(jiǎn)化違約概率模型衡量企業(yè)違約風(fēng)險(xiǎn)（EDP），具體而言，從企業(yè)市場(chǎng)價(jià)值中減去企業(yè)債務(wù)面值，然后除以估計(jì)的企業(yè)價(jià)值波動(dòng)率，得到企業(yè)的違約距離（DD），然后對(duì)違約距離（DD）求累計(jì)標(biāo)準(zhǔn)正態(tài)分布得到違約風(fēng)險(xiǎn)（EDP），其值越大表明企業(yè)違約風(fēng)險(xiǎn)越大。經(jīng)濟(jì)后果檢驗(yàn)?zāi)Ｐ腿缦拢?/p>

[ORiskit+1/EDP=α0+α1ExpLEVMIit+α2Bankdigit+α3ExpLEVMIit×Bankdigit+αcControls+δt+μi+εit]" " " （4）

本文重點(diǎn)關(guān)注交乘項(xiàng)ExpLEVMI×BankDig的回歸系數(shù)，若交乘項(xiàng)系數(shù)顯著為負(fù)，則意味著銀行數(shù)字化轉(zhuǎn)型能夠抑制企業(yè)杠桿操縱帶來的經(jīng)營風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)，通過防范企業(yè)隱性債務(wù)風(fēng)險(xiǎn)實(shí)現(xiàn)對(duì)顯性經(jīng)營和違約風(fēng)險(xiǎn)的抑制。檢驗(yàn)結(jié)果如表10所示，當(dāng)被解釋變量為經(jīng)營風(fēng)險(xiǎn)、違約風(fēng)險(xiǎn)時(shí)，交乘項(xiàng)的系數(shù)分別在1%和10%的水平上顯著為負(fù)，表明銀行數(shù)字化轉(zhuǎn)型能夠進(jìn)一步緩解企業(yè)杠桿操縱帶來的經(jīng)營風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)，具有風(fēng)險(xiǎn)平抑作用，從而實(shí)現(xiàn)對(duì)金融業(yè)的“反哺效應(yīng)”，提高金融系統(tǒng)安全性。

七、研究結(jié)論與政策建議

防范化解金融風(fēng)險(xiǎn)，特別是防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，是金融工作的根本性任務(wù)，也是金融工作的永恒主題。作為銀行創(chuàng)新發(fā)展的新動(dòng)力，銀行數(shù)字化轉(zhuǎn)型在優(yōu)化金融業(yè)務(wù)流程和提高信息處理效率的同時(shí)，能否有助于防范化解微觀企業(yè)隱性債務(wù)風(fēng)險(xiǎn)？利用2011—2021年滬深A(yù)股上市公司數(shù)據(jù)，本文探討了銀行數(shù)字化轉(zhuǎn)型對(duì)微觀企業(yè)杠桿操縱的影響及其作用機(jī)制。研究發(fā)現(xiàn)：首先，銀行數(shù)字化轉(zhuǎn)型能夠顯著抑制企業(yè)杠桿操縱，這一結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗(yàn)之后依然成立。其次，機(jī)制分析表明，銀行數(shù)字化轉(zhuǎn)型能夠發(fā)揮資源效應(yīng)、監(jiān)督效應(yīng)和治理效應(yīng)，通過緩解企業(yè)融資約束、強(qiáng)化銀行外部監(jiān)督和提升企業(yè)內(nèi)部治理水平，從而抑制企業(yè)杠桿操縱。再次，異質(zhì)性分析發(fā)現(xiàn)，基于杠桿操縱的不同形式，銀行數(shù)字化轉(zhuǎn)型主要降低了企業(yè)利用表外負(fù)債和會(huì)計(jì)手段開展的杠桿操縱?；阢y行數(shù)字化轉(zhuǎn)型的不同類型，業(yè)務(wù)數(shù)字化轉(zhuǎn)型發(fā)揮的作用最大。基于不同的金融監(jiān)管環(huán)境，在金融監(jiān)管較強(qiáng)的地區(qū)銀行數(shù)字化轉(zhuǎn)型的積極效應(yīng)更明顯。最后，經(jīng)濟(jì)后果檢驗(yàn)發(fā)現(xiàn)，銀行數(shù)字化轉(zhuǎn)型對(duì)企業(yè)杠桿操縱的抑制能發(fā)揮風(fēng)險(xiǎn)平抑作用，有助于降低企業(yè)經(jīng)營風(fēng)險(xiǎn)和債務(wù)違約風(fēng)險(xiǎn)?；谏鲜鲅芯拷Y(jié)論，本文提出以下啟示和建議：

第一，銀行應(yīng)順應(yīng)并積極加入數(shù)字經(jīng)濟(jì)發(fā)展的潮流，加快戰(zhàn)略、業(yè)務(wù)及管理的數(shù)字化轉(zhuǎn)型調(diào)整，提高作為債權(quán)人的監(jiān)督治理能力。一是可以加強(qiáng)數(shù)字化研發(fā)創(chuàng)新或與第三方開展技術(shù)合作，尤其應(yīng)重視銀行業(yè)務(wù)與數(shù)字技術(shù)的深度融合，通過優(yōu)化金融服務(wù)流程、降低交易成本進(jìn)而增強(qiáng)優(yōu)質(zhì)客戶黏性，提高銀行自身的金融科技核心競(jìng)爭(zhēng)力。二是要注重發(fā)揮數(shù)字技術(shù)在企業(yè)核心業(yè)務(wù)信息獲取、甄別和風(fēng)險(xiǎn)管理等方面的重要作用，全面提升對(duì)客戶企業(yè)財(cái)務(wù)和經(jīng)營狀況了解的及時(shí)性和準(zhǔn)確性。通過發(fā)展和運(yùn)用數(shù)字技術(shù)，推動(dòng)銀行從提供“融資”轉(zhuǎn)型為“融智”，在提升金融服務(wù)實(shí)體經(jīng)濟(jì)質(zhì)效水平的同時(shí)降低自身信貸風(fēng)險(xiǎn)。三是要提升數(shù)字技術(shù)運(yùn)用的安全性和合規(guī)性。銀行在通過數(shù)字化轉(zhuǎn)型提升競(jìng)爭(zhēng)力的同時(shí)也應(yīng)注重相應(yīng)風(fēng)險(xiǎn)管理制度的建設(shè)，積極配合金融監(jiān)管，確立科學(xué)的數(shù)字化轉(zhuǎn)型路徑。

第二，企業(yè)應(yīng)提高對(duì)隱性債務(wù)風(fēng)險(xiǎn)的重視和管理水平，切實(shí)控制杠桿水平，適應(yīng)并有效利用數(shù)字技術(shù)給金融服務(wù)帶來的變革，提升信息披露質(zhì)量，增強(qiáng)融資能力。一方面，企業(yè)應(yīng)聚焦主業(yè)，注重提升內(nèi)部治理水平，維護(hù)信用資質(zhì)。管理層應(yīng)充分意識(shí)到，銀行數(shù)字化轉(zhuǎn)型將提升銀行的信貸決策效率，極大縮小機(jī)會(huì)主義行為下的套利空間。另一方面，企業(yè)應(yīng)提高債務(wù)管理水平和財(cái)務(wù)信息披露質(zhì)量，以合法合規(guī)的方式進(jìn)行資本結(jié)構(gòu)調(diào)整，避免盲目擴(kuò)張導(dǎo)致過高的風(fēng)險(xiǎn)承擔(dān)。同時(shí)，借助銀行數(shù)字化轉(zhuǎn)型帶來的信息互通的及時(shí)性和高效性，與銀行維持長(zhǎng)期穩(wěn)定關(guān)系，降低自身債務(wù)違約風(fēng)險(xiǎn)。

第三，政府應(yīng)積極推進(jìn)數(shù)字金融發(fā)展，完善數(shù)字金融基礎(chǔ)設(shè)施和體制機(jī)制建設(shè)，鼓勵(lì)和引導(dǎo)銀行積極開展數(shù)字化轉(zhuǎn)型，防范化解微觀企業(yè)隱性債務(wù)風(fēng)險(xiǎn)。一方面，加快金融基礎(chǔ)設(shè)施建設(shè)，為銀行數(shù)字化轉(zhuǎn)型構(gòu)建良好的數(shù)字生態(tài)環(huán)境。例如，以云原生、分布式架構(gòu)等為底座，建設(shè)數(shù)云一體化平臺(tái)，實(shí)現(xiàn)金融業(yè)務(wù)創(chuàng)新和金融生態(tài)重塑等層面價(jià)值的全新釋放，充分激活數(shù)字要素在金融領(lǐng)域的潛能。另一方面，加快構(gòu)建“監(jiān)管沙盒”機(jī)制，增強(qiáng)銀行數(shù)字化轉(zhuǎn)型的規(guī)范性。本文研究發(fā)現(xiàn)，發(fā)揮銀行數(shù)字化轉(zhuǎn)型的積極作用需要配合較完善的金融監(jiān)管。因此，政府部門在從政策層面為數(shù)字金融發(fā)展破除體制機(jī)制障礙的同時(shí)，也需要規(guī)范監(jiān)管，切實(shí)以數(shù)字金融推動(dòng)實(shí)體經(jīng)濟(jì)的安全和高質(zhì)量發(fā)展。

注：

①對(duì)模型[TAitAit-1=β01Ait-1+β1△REVit-△RECitAit-1+β2PPEitAit-1+εit]回歸取殘差[ε]，[DA=εit×Ait-1]。其中，[TA]為凈利潤與經(jīng)營活動(dòng)現(xiàn)金流量?jī)纛~之差，[A]為資產(chǎn)總額，[REC]為應(yīng)收賬款，[REV]為營業(yè)收入，[PPE]為固定資產(chǎn)規(guī)模。

②[LRit=-1Ditk=1DitVit（k）rit（k）]，[ILLit=1Ditk=1Ditrit（k）Vit（k）]，

[GAMit=|γit|]，其中，[Dit]表示當(dāng)年交易天數(shù)，[Vit（k）]表示日成交量，[rit（k）]表示[i]企業(yè)[t]年度第[k]個(gè)交易日的股票收益率。系數(shù)[γit]由下式得到：[reit（k）=θit+φitrit（k-1）+γitVit（k-1）sign[reit（k-1）]+εit（k）]，其中，[reit（k）=rit（k）-rmt（k）]，為超額收益率，[rmt（k）]表示以流通市值為權(quán)重加權(quán)的市場(chǎng)收益率。

參考文獻(xiàn)：

[1]宋敏，周鵬，司海濤.金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國工業(yè)經(jīng)濟(jì)，2021，（04）.

[2]馬草原，朱玉飛.去杠桿、最優(yōu)資本結(jié)構(gòu)與實(shí)體企業(yè)生產(chǎn)率 [J].財(cái)貿(mào)經(jīng)濟(jì)，2020，（07）.

[3]李曉溪，饒品貴，岳衡.銀行競(jìng)爭(zhēng)與企業(yè)杠桿操縱[J].經(jīng)濟(jì)研究，2023，（05）.

[4]黃少卿，俞錦祥，許志偉.杠桿率與企業(yè)生產(chǎn)率：基于信貸誤配的視角 [J].中國工業(yè)經(jīng)濟(jì)，2022，（09）.

[5]DeAngelo H，Goncalves AS，Stulz RM. 2018. Corporate Deleveraging and Financial Flexibility [J].The Review of Financial Studies，31（8）.

[6]許曉芳，陸正飛.企業(yè)杠桿、杠桿操縱與經(jīng)濟(jì)高質(zhì)量發(fā)展 [J].會(huì)計(jì)研究，2022，（06）.

[7]許曉芳，陳素云，陸正飛.杠桿操縱：不為盈余的盈余管理動(dòng)機(jī) [J].會(huì)計(jì)研究，2021，（05）.

[8]王竹泉，王惠，王貞潔.杠桿系列錯(cuò)估與信貸資源錯(cuò)配 [J].財(cái)經(jīng)研究，2022，（11）.

[9]楊東.監(jiān)管科技： 金融科技的監(jiān)管挑戰(zhàn)與維度構(gòu)建[J].中國社會(huì)科學(xué)，2018，（05）.

[10]李曉溪，楊國超.為發(fā)新債而降杠桿：一個(gè)杠桿操縱現(xiàn)象的新證據(jù) [J].世界經(jīng)濟(jì)，2022，（10）.

[11]陳琪，周琳，李夢(mèng)函.ESG表現(xiàn)能抑制企業(yè)杠桿操縱嗎 [J].金融與經(jīng)濟(jì)，2024，（06）.

[12]王彥超，吳雨珊，劉芷蕙，白璐.宏觀審慎、地方政府隱性債務(wù)監(jiān)管與系統(tǒng)性風(fēng)險(xiǎn)防范——基于微觀企業(yè)風(fēng)險(xiǎn)的網(wǎng)絡(luò)傳導(dǎo)機(jī)制研究 [J].中國工業(yè)經(jīng)濟(jì)，2023，（08）.

[13]熊琛，周穎剛，金昊.地方政府隱性債務(wù)的區(qū)域間效應(yīng)：銀行網(wǎng)絡(luò)關(guān)聯(lián)視角 [J].經(jīng)濟(jì)研究，2022，（07）.

[14]卿小權(quán)，董啟琛，武瑛.股東身份與企業(yè)杠桿操縱——基于機(jī)構(gòu)投資者視角的分析 [J].財(cái)經(jīng)研究，2023，（02）.

[15]Akhisar I，Tunay KB，Tunay N. 2015. The Effects of Innovations on Bank Performance：The Case of Electronic Banking Services [J].Procedia-Social and Behavioral Sciences，195（7）.

[16]Cheng MY，Qu Y. 2020. Does Bank Fintech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63（10）.

[17]丁鑫，周曄.數(shù)字化轉(zhuǎn)型與銀行信貸配置——基于銀行貸款投向?qū)嶓w經(jīng)濟(jì)的視角 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2024，（03）.

[18]項(xiàng)后軍，高鵬飛.銀行數(shù)字化轉(zhuǎn)型能緩解流動(dòng)性囤積嗎[ J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2023，（08） .

[19]Yao T，Song L. 2021. Examining the Differences in the Impact of Fintech on the Economic Capital of Commercial Banks' Market Risk：Evidence from a Panel System GMM Analysis [J].Applied Economics，53（23） .

[20]Zhao J，Li X，Yu CH，Chen S，Lee CC. 2021. Riding the Fintech Innovation Wave： Fintech，Patents and Bank Performance [J].Journal of International Money and Finance，122（C）.

[21]張金清，李柯樂，張劍宇.銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？[J].財(cái)經(jīng)研究，2022，（01）.

[22]盧小祁，俞毛毛.銀行金融科技發(fā)展能降低企業(yè)周邊碳排放嗎？[J].金融發(fā)展研究，2024，（09）.

[23]郭娜，王珮瑤，路雅寧.金融科技能否成為企業(yè)高質(zhì)量發(fā)展的新質(zhì)動(dòng)力？——來自銀企信貸匹配的經(jīng)驗(yàn)證據(jù) [J].金融發(fā)展研究，2024，（09）.

[24]王斌，孔曉霏，王方正.金融科技發(fā)展與企業(yè)杠桿操縱 [J]. 財(cái)務(wù)研究，2023，（06）.

[25]Bharath ST，Hertzel M. 2019. External Governance and Debt Structure [J].Review of Financial Studies，66（9）.

[26]Frankel R，Kim BH，Ma T，Martin X. 2020. Bank Monitoring and Financial Reporting Quality：The Case of Accounts-Receivable-Based Loans [J].Contemporary Accounting Research，37（4） .

[27]張一林，林毅夫，龔強(qiáng).企業(yè)規(guī)模、銀行規(guī)模與最優(yōu)銀行業(yè)結(jié)構(gòu)——基于新結(jié)構(gòu)經(jīng)濟(jì)學(xué)的視角 [J].管理世界，2019，（03）.

[28]Menkhoff L，Neuberger D，Rungruxsirivorn O. 2012. Collateral and Its Substitutes in Emerging Markets’ Lending [J].Journal of Banking amp; Finance，36（3）.

[29]黃益平，邱晗.大科技信貸：一個(gè)新的信用風(fēng)險(xiǎn)管理框架 [J]. 管理世界，2021，（02）.

[30]Fuster A，Plosser M，Schnabl P，Vickery J. 2019. The Role of Technology in Mortgage Lending [J].The Review of Financial Studies，32（5）.

[31]Patki A，Sople V. 2020. Indian Banking Sector： Blockchain Implementation，Challenges and Way Forward[J].Journal of Banking and Financial Technology，4（1）.

[32]Chiu J，Koeppl TV. 2019. Blockchain-Based Settlement for Asset Trading [J].Review of Financial Studies，32（5）.

[33]謝婼青，李世奇，張美星.金融科技背景下普惠金融對(duì)商業(yè)銀行盈利能力的影響研究 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，（08）.

[34]Huang Y，Lin C，Sheng Z，Wei L. 2018. Fintech Credit and Service Quality [J].BIS Working Paper.

[35]譚常春，王卓，周鵬.金融科技“賦能”與企業(yè)綠色創(chuàng)新——基于信貸配置與監(jiān)督的視角 [J].財(cái)經(jīng)研究，2023，（01）.

[36]胡俊，李強(qiáng)，劉穎琛，曾勇.商業(yè)銀行金融科技對(duì)零售貸款的影響——基于年報(bào)的文本分析 [J]. 管理評(píng)論，2021，（11）.

[37]李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業(yè)短債長(zhǎng)用 [J]. 中國工業(yè)經(jīng)濟(jì)，2022，（10）.

[38]郭曄，未鐘琴，方穎.金融科技布局、銀行信貸風(fēng)險(xiǎn)與經(jīng)營績(jī)效——來自商業(yè)銀行與科技企業(yè)戰(zhàn)略合作的證據(jù) [J]. 金融研究，2022，（10） .

[39]謝絢麗，王詩卉.中國商業(yè)銀行數(shù)字化轉(zhuǎn)型：測(cè)度、進(jìn)程及影響 [J]. 經(jīng)濟(jì)學(xué)（季刊），2022，（06）.

[40]唐要家，王鈺，唐春暉.數(shù)字經(jīng)濟(jì)、市場(chǎng)結(jié)構(gòu)與創(chuàng)新績(jī)效 [J].中國工業(yè)經(jīng)濟(jì)，2022，（10）.

[41]Cornaggia K，F(xiàn)ranzen LA，Simin TT. 2013. Bringing Leased Assets Onto the Balance Sheet [J].Journal of Corporate Finance，22（1）.

[42]江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng) [J]. 中國工業(yè)經(jīng)濟(jì)，2022，（05）.

[43]于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束： 信息效應(yīng)與資源效應(yīng) [J].經(jīng)濟(jì)研究，2012，（09）.

[44]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異 [J]. 管理世界，2020，（05）.

[45]王化成，侯粲然，劉歡.戰(zhàn)略定位差異、業(yè)績(jī)期望差距與企業(yè)違約風(fēng)險(xiǎn) [J]. 南開管理評(píng)論，2019，（04）.