金融科技影响结构性去杠杆的作用研究

引言：寻求写作上的突破？我们特意为您精选了1篇金融科技影响结构性去杠杆的作用研究范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

一、引言

近年来，中国整体债务杠杆水平一直居高不下，所面临的债务风险也在迅速提升。中央提出要打好防范化解金融风险攻坚战，基本的思路就是结构性去杠杆，即对不同部门和不同债务类型提出不同的要求，重点放在地方政府和国有企业的杠杆上，逐渐实现宏观杠杆率的稳步下降。金融科技的快速发展不仅影响了宏观经济环境，也对企业的杠杆决策产生了影响。那么，金融科技存在“去杠杆”效应吗?这种效应是否具有结构性差异呢?具体的作用机制又是如何?综上，本文通过对于上述问题进行探讨，以期为结构性去杠杆政策的实施和金融科技的发展提供借鉴参考。

二、理论分析及研究假设

从减轻融资约束和降低融资成本的角度来看，信息技术的快速发展促进了传统银行数字化转型。企业借助金融科技的建模技术对信贷客户进行信用分析，充分降低了彼此间的信息不对称程度，减少了保护性条款的应用，企业的融资难度得以降低，预防性动机减少，杠杆水平下降。金融科技助力银行以更高效的方式捕捉客户信用数据，减少债务跨期错配，降低相应成本损耗，从而使企业以较低的成本获取资金，最终实现了降低融资约束的目的(林爱杰，2021)。从防范和降低风险的角度来看，金融科技有助于企业构建风险的分析管理框架，提升企业的风险鉴别和应对能力，在扩大企业资金来源的同时，也提升了其资金利用效率，债务结构得以优化。然而，金融科技发展的同时，需要明确在其发展的不同阶段，势必面临着不同的经济发展状况，配套的基础设施和金融监管程度也不尽相同，这将会对金融科技的去杠杆效应产生差异化影响。基于以上论述，提出本文假设1。H1:金融科技发展会降低企业的杠杆率，且在不同的金融科技发展阶段效果将有所差异。正如水能载舟，亦能覆舟。杠杆不仅具有正效应，也有负效应。为了充分利用杠杆的正效应，企业的杠杆水平需要与自身盈利能力及风险管控水平协调一致，否则就会产生负效应，损害企业价值。在具备高盈利能力的企业中，尽管外部融资增加了负债，但同时通过自身投资活动高效利用资金，企业的总资产和利润水平也得到了提升，最终杠杆水平得以下降，企业充分利用了杠杆的正收益。由于偿债能力和运营效率存在差异，不同企业间的风险承受能力差异较大(李娟，2020)，其中高盈利企业能够充分利用金融科技减少资金获取成本，避免财务困境。考虑到盈利能力是企业产生利润用以偿债的重要保证，以其为分类标准对资金需求方进行分类。基于以上分析，提出本文假设2。H2:金融科技的去杠杆效应具有结构性特征，即在高盈利性企业群体中更加突出。区块链等新兴信息技术的快速发展和广泛应用，大幅降低了资金供求双方间的信息不对称程度，而融资约束的重要诱因之一便是信息不对称(屈文洲，2011)。通过缓解借贷双方间的信息鸿沟，企业的偿债能力和信用数据更加透明，银行也相应减少了对保护性条款的依赖，信息不对称问题得以缓解。由信号理论可知，金融科技等同于金融溢出，促使传统金融体系不断发生变革。金融科技通过提升信用透明度，对传统的信用标价方式提出疑问和改进措施，有助于宏观金融市场的改善，优化的金融业态使得企业能在更大程度上披露信息，降低融资成本(袁鲲，2020)，从而实现杠杆的负向治理。对于直接融资，金融科技的发展降低了投资门槛，扩大了投资者群体，提升了投资热情，从而增加了资本市场中的资金供应。对于间接融资，一方面在金融科技的助力下，企业融资渠道的选择更加丰富;另一方面，银行金融科技的应用也使得银行增加了对信贷客户的流动性支持。基于以上论述，提出本文假设3。H3:金融科技通过缓解融资约束，使企业的杠杆水平得以下降。由于国企具有隐性的国家信用担保，因此在融通资金方面更受传统金融机构的青睐。加之间接融资方式在我国当下的金融体系中占据主导地位，银行的信贷资源配置策略将对企业的杠杆水平产生直接影响。过度占用资金且无法高效利用资金的僵尸国企，以及拥有优质投资机会却无法获取资金的优质民企，二者间的杠杆率差异值得关注，而金融科技有助于解决这一问题。一方面，银行借助金融科技对信贷客户的信用数据和经营数据进行了建模分析，深度剖析企业的资金流、信息流和物流状况，很好地缓解了资金供需双方间的信息不对称问题(徐晓萍，2021)。这种情况下，虽缺乏传统抵押物，但具有高盈利能力的企业将会成为银行的理想信贷客户。在国企过度负债的大环境下，银行的信贷投放将不断向兼具高盈利能力和高信用水平的优质民企倾斜，这不但能显著提升金融机构的盈利能力，也缓解了非国企群体的资金短缺现状，从而实现了杠杆水平的负向治理效应。另一方面，在金融科技的影响下，银行的风控模式从传统的抵押物担保转为了信用驱动模式，促使银行将资金投向信用水平良好但缺乏担保物的优质民企，而非虽有抵押物但早已过度负债的国企。在分析金融科技去杠杆效应的异质性时，不仅要考虑企业产权性质的差异，也要将不同期限长度的杠杆纳入考量。与长期杠杆相比，短期杠杆虽然资金成本较低，但相应的财务风险较高。作为金融科技的应用成果之一，网络贷款成为了众多企业短期债务的重要部分，其通过区分不同企业的资金使用效率，推动形成有效资产，进而降低了企业的短期杠杆水平(张金清，2021)。基于以上论述，提出本文假设4。H4:金融科技对于不同债务期限和不同产权性质的杠杆存在异质性影响。

三、研究设计

(一)模型设定

本文采用了双重面板门槛回归模型，分别将企业的盈利能力和金融科技发展水平作为门槛变量，对二者间的非线性关系进行研究。

(二)变量设定

1.被解释变量:企业杠杆率

本文以资产负债率(总负债/总资产)作为衡量企业杠杆率的指标。

2.核心解释变量:金融科技发展水平

本文采用了数字普惠金融总指数(郭峰，2020)取对数后作为金融科技发展水平的衡量变量，同时考虑到金融科技对于企业杠杆效应存在滞后影响，进行滞后一期处理。

3.中介变量:融资约束程度

采用了经调整后的KZ指数，即财务费用和企业主营业务收入的比值，该指数越大，表明企业的融资约束越强。

4.控制变量

企业层面的控制变量包括企业规模、企业性质、资产结构、盈利能力、股权集中度、成长能力、行业杠杆率的中位数。宏观层面的控制变量包括去杠杆政策、通货膨胀水平、宏观货币政策环境和经济发展水平。此外，回归结果均对行业效应和时间效应进行了控制。

(三)数据来源及处理

本文以2011年至2020年A股上市公司作为研究对象，在此基础上进行如下处理:(1)剔除金融类企业;(2)为保证财务数据的完整，剔除当年新上市、已经退市或被暂停退市的公司;(3)剔除ST或*ST公司数据;(4)为避免异常值对结果的影响，对于所有非虚拟变量进行上下1%的缩尾处理(Winsor);(5)对于存在数据缺失的样本进行剔除，由于门槛回归的需要，将不平衡数据转换为平衡数据。企业的年度财务数据来自国泰安数据库，宏观经济指标来源于国家统计局。经过上述数据处理后，共得到1374家上市公司连续十年的数据。

四、实证结果分析

(一)描述性统计

对于变量进行描述性分析，从结果可知，样本公司中杠杆水平均值为0.453，最大杠杆值和最小杠杆值之间存在较大差距，对比短期杠杆和长期杠杆可知，短期杠杆的平均值远高于长期杠杆的均值，表明上市公司短期杠杆效应更强，而短期杠杆往往意味着更大的风险，因此去杠杆的重点也应放在短期杠杆上。

(二)基准回归

首先对金融科技发展水平与企业的杠杆效应进行回归，由表1的回归(1)可知，金融科技发展水平越高，企业的杠杆率越低，金融科技实现了去杠杆的效果。为了对二者间的非线性关系进行深入分析，引入面板门槛模型。首先进行门槛效应检验，确定门槛个数。表2的检验结果表明，金融科技和资产收益率均通过了单一门槛和双重门槛检验，因此二者均采用双重门槛模型进行后续回归分析，回归结果见表3。表3(1)中的回归结果表明，金融科技在不同的发展阶段对于企业去杠杆效应影响呈现出差异性。具体来看，在金融科技发展初期，金融科技的发展对于企业杠杆虽然有负向影响但并不显著。原因可能是:在金融科技发展初期，虽然技术已经产生，但配套的基础设施尚不完善，覆盖面有限，对于企业所处的经济环境影响不大。在金融科技发展超越门槛1之后，对于企业的杠杆效应产生了显著的负向影响，产生了去杠杆效应。表明在金融科技发展进入下一阶段后，金融和高科技的融合进一步深化，配套基础设施也逐渐完善，覆盖面逐渐扩大，强化了对企业所处经济环境的影响。在随后的第三阶段，二者之间没有了明显的相关性。可能的原因在于:由于金融监管存在滞后性，此阶段的金融风险逐渐加大，加之覆盖面广泛，微小的不确定性往往会被放大，从而影响整个经济体系的稳定性，此时金融科技对杠杆效应兼具正向和负向的影响，由此证明了假设1。从表3的回归(2)可以看出，金融科技的去杠杆效应对于盈利能力不同的企业存在异质性。具体来看，当企业的盈利能力低于门槛2时，金融科技的“去杠杆”效应并不显著，表明低盈利企业无法享受金融科技发展所带来的去杠杆效用。而在企业的盈利能力在较高水平时，即ＲOA大于0.0231时，金融科技对于企业的杠杆效应产生了显著的负向影响。因此假设2得以验证。

（三)机制检验

为探寻金融科技对杠杆效应的作用机制，本文拟采用中介效应模型，以融资约束为中介变量进行深入分析。机制检验的回归结果见表1的回归(2)和(3)。由结果可知，金融科技可以通过缓解企业融资约束来实现“去杠杆”，一方面，金融科技通过提升信息透明度，使企业融资成本大幅降低，从而缓解融资约束。另一方面，众多金融科技公司利用大数据等技术进行客户信用分析，为不受传统金融机构青睐的中小企业提供融资，使其融资约束得以缓解，由此假设3成立。

(四)进一步分析

为深入探究金融科技对杠杆效应的异质性影响，分别对短期杠杆和长期杠杆进行回归分析，回归结果见表4的(2)和(3)。对比短期和长期杠杆的回归系数(－0.075和－0.016)可知，金融科技对于短期杠杆的影响更大，考虑到长期杠杆决策的相关因素往往更加复杂，金融科技的影响程度并不明显，回归结果与实际认知相一致。此外，对比回归(4)和(5)的回归系数可知，金融科技的“去杠杆”效应在国企群体中更为明显。在获取融资方面，由于国企具有潜在的国家信用担保，在信贷市场上备受青睐，而金融科技的发展使得信息不对称程度降低，使得传统金融机构逐渐将资源投向盈利能力更强的优质民企，从而降低国企本已过高的杠杆。(五)稳健性检验为验证本文回归结果的准确性，采用以下方法进行稳健性检验:使用数字普惠金融指数中的覆盖广度指数、使用深度指数和数字化程度指数作为本文金融科技的替代指标。回归结果显示，在替换核心解释变量后，本文的回归结果依旧稳健。

五、结论与政策建议

本文以2011年至2020年的1370家A股上市公司的相关数据为样本，对于金融科技与企业杠杆效应之间的关系进行检验。研究结果表明:第一，金融科技发展能够降低企业的杠杆效应，且二者间关系随金融科技发展程度的不同而有所差异。第二，金融科技的去杠杆效应具有结构性特征，具体表现在高盈利企业杠杆率相对于低盈利企业下降程度更大。第三，金融科技通过缓解企业的融资约束，从而降低企业的杠杆率。第四，金融科技更多降低了企业的短期杠杆，且国企在更大的程度上享受了金融科技的去杠杆效果。因此，提出如下政策建议:第一，不断深化金融供给侧结构性改革，建立优异的金融产品体系，进一步加大金融与科技的融合速度与力度。从上述研究可以看出，金融科技的发展将有助于国家“结构性去杠杆”政策的实施，因此应大力支持金融科技在去杠杆方面的发展。具体来看，由于我国的金融科技发展存在地区性差异，国家应重点引导资源和人才到金融科技发展水平较低的地区，提升当地金融科技发展水平。而对于金融科技发展水平进入成熟期的地区，应加大金融配套基础设施的完善，同时加大金融监管，避免金融风险造成的不稳定。第二，传统金融机构要重视新技术的应用，加快数字化转型的进程。在中国金融科技发展的道路上，互联网公司始终走在技术和应用的前沿，而传统银行在意识到金融科技的益处后应做好准备迎接数字化浪潮，不断提升金融服务的效率，扩大信贷客户群体，这将有力推动我国金融科技的进一步发展，同时也能有力推动劣势群体的融资困境的改善。

参考文献:

1郭峰，王靖一，王芳，等.测度中国数字普惠金融发展:指数编制与空间特征［J］．经济学(季刊)，2020，19(04):1401－1418.

2林爱杰，梁琦，傅国华.数字金融发展与企业去杠杆［J］．管理科学，2021，34(01):142－158.

3李娟，杨晶晶，赖明勇.金融市场化促进了企业部门结构性去杠杆吗?———来自中国制造业企业的证据［J］．财经研究，2020，46(10):33－47.

4屈文洲，谢雅璐，叶玉妹.信息不对称、融资约束与投资—现金流敏感性———基于市场微观结构理论的实证研究［J］．经济研究，2011，46(06):105－117.

5徐晓萍，李弘基，戈盈凡.金融科技应用能够促进银行信贷结构调整吗?———基于银行对外合作的准自然实验研究［J］．财经研究，2021，47(06):92－107.

6袁鲲，曾德涛.区际差异、数字金融发展与企业融资约束———基于文本分析法的实证检验［J］．山西财经大学学报，2020，42(12):40－52.

7张金清，李柯乐，张剑宇.银行金融科技如何影响企业结构性去杠杆?［J］．财经研究，2022，48(01):64－77.

作者:赵林婷 管萍 单位:上海工程技术大学管理学院