數字金融緩解中小企業融資約束的機制與路徑研究

王瑤慧 史小坤

【關鍵詞】數字金融;中小企業;融資約束;風險約束;抵押品約束

【中圖分類號】F276.3;F832.4【文獻標識碼】A 【文章編號】1674-0688（2021）10-0091-05

0 引言

2021年3月5日，李克強總理在十三屆全國人大四次會議上所作的《政府工作報告》中提到“國內疫情防控仍有薄弱環節，經濟恢復基礎尚不牢靠，居民消費仍受制約，投資增長后勁不足，中小微企業和個體工商戶面臨的困難較多，穩就業壓力較大”。作為重要的市場主體，中小企業發展一直備受國家關注。但是，在傳統的融資交易模式下，我國中小企業長時間面臨“金融排斥”并存在“麥克米倫”缺口（Stamp，1931）[1]，制約了中小企業的發展。

數字金融的快速發展為我國解決中小企業融資困境帶來了契機。數字金融是網絡技術和融資交易的滲透和融合，泛指傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業務模式（黃益平、黃卓，2018）[2]。與著重突出交易途徑的互聯網金融和強調科技特制的金融科技相比，數字金融涵蓋的內容更加寬泛（封思賢、郭仁靜，2019;王作功，2019）[3-4]。數字金融通過數字科技、大數據對信息進行深度的挖掘和分析，有效降低金融交易雙方信息不對稱程度，為解決中小企業融資約束和融資困境提供了基本的條件。

1 數字金融緩解中小企業融資約束的機制分析：基于文獻的理論分析

現有文獻研究中小企業融資融資約束的原因分析一般集中于企業自身內部與金融制度、市場化程度、法律政策等外部環境因素。其中，中小企業自身的“內生性”原因更為突出：第一，風險約束。中小企業的公開性與披露性程度弱，缺乏財務報表等易于傳遞和驗證的定量“硬信息”（Berger和Udell，2006）[5]，透明化程度低，也缺少征信信息，金融機構難以確認企業之后償還資金與利息的能力和意愿，從而加劇金融機構對中小企業的風險估計，因此常對中小企業施行信貸配給（曹鳳岐，2001）[6]。第二，抵押品約束。金融契約的制定和執行具有不完全性，常常受限執行，即金融契約事后的執行力度差，借方以各種理由違約，從而導致貸方遭受損失。金融中介在提供貸款時會考慮企業的抵押財產水平，由于中國的銀行在風險控制上更為謹慎，因此對中小企業提供抵押品的要求更高（張杰等學者，2013）[7]。然而，中小企業普遍抵押能力弱，融資受到限制。

在現有文獻中，認為數字金融能夠緩解中小企業融資約束的原因如下。

第一，數字金融運用信息技術能夠有效挖掘大數據中的信息價值，拓展信息來源。數字金融在信息的收集和處理方面有較大優勢，能對信息進行有效的篩選和甄別（梁榜、張建華，2019）[8]。除了獲取中小企業基礎的財務信息，中小企業的非金融交易信息也能通過數字金融通過多渠道獲得，如抓取網絡上企業的公告、輿情信息或稅務、公安等的有關“軟”信息（陳廣山，2021）[9]。

第二，數字金融能夠促進線上數據征信，信用抵押替代實物抵押，信用與聲譽成為重要“資產”。隨著數字金融的發展，貸款機構可以利用互聯網獲取與分析其財務信息與非金融交易信息對企業進行經營與“信用畫像”。銀行業等金融機構可以通過了解中小企業信用狀況從而調整對其融資的條件約束，降低企業提供抵押品的要求，中小企業以“信用抵押”彌補不能提供充分實物抵押品的缺陷（黃子健，2015）[10]。

第三，促進貸后動態風險評估與信貸調整。中小企業在獲得貸款后存在道德風險，資金流向、使用方向和使用效率成為金融機構監管的重要方向。數字金融以互聯網為媒介，可以對企業進行低成本、實時的監控，降低狀態驗證成本，并且對企業融資狀況及事后資金使用與項目運行等信息溝通與監督均提供便利和保障，最大限度地降低違約風險（廖婧琳等學者，2020）[11]。

第四，彌補傳統金融服務短板，促進傳統金融機構競爭與升級。傳統金融機構主要基于實體運營網點進行業務處理，銀行分支機構數量的增加會提高服務的可及性，給客戶帶來便利（2018，周天蕓）[12]，但若地區金融機構的分布數量和規模受到限制，該地區中小企業就會難以獲得充足的融資服務（2014，周天蕓，王瑩）[13]。數字金融打破了傳統金融服務容易受到基礎設施和地理位置等硬件條件的約束，提高了金融服務的覆蓋和觸達能力，使其能夠獲取長尾市場的潛在客戶（Jagtiani和Lemieux，2018）[14]。

2 研究設計

2.1 數據來源

本文主要探究數字金融與中小企業融資約束的關系，因此選取中小板和創業板2012—2019年的企業數據，并結合數字金融指數進行分析。企業層面的數據主要來自國泰安數據庫，地區宏觀數據來自EPS數據庫，金融機構數據來自中國人民銀行各省《金融運行報告》。本文對數據進行一定處理：主要保留非金融企業，金融類企業剔除;刪除ST和ST*的企業;非虛擬變量進行上下1%的縮尾;對數據3年連貫的樣本進行保留。

2.2 變量設定

2.2.1 被解釋變量

企業融資約束（FC）。本文主要選取SA數據進行企業融資約束方面的衡量。SA指數是由Hadlock和Pierce（2010）[15]構建，具有很強的外生性，在國內有廣泛的應用（萬佳彧等，2020）[16]。SA=|-0.737×LnSize+0.043×（LnSize）2-0.04×Time|。借鑒吳秋生與黃賢環（2017）[17]的處理，Size=（企業總資產/1 000 000），總資產單位為元;Time為企業上市年限。計算SA值越大;則企業面臨的融資約束程度越高。

2.2.2 核心解釋變量

數字金融（Digital）。北京大學互聯網金融研究中心借助螞蟻金服的海量數據，編制了《數字金融普惠金融指數》（傅秋子、黃益平，2018）[18]，能夠在一定程度上作為衡量地區數字金融發展水平的指標，本文對該指標進行歸一化處理。

2.2.3 控制變量

為了防止其他因素對研究結果的影響，本文納入了以下控制變量，包括企業規模（Lncome）、企業年限（LnAge）、資產回報率（Roa）、資本密集度（Captical）、股權集中度（Proportion）、審計意見和控制地區經濟水平（Dgdp）。

2.3 模型設定

回歸方程（1）主要檢驗數字金融與中小企業融資約束之間的關系：

FCijt=β0+β1Digitalijt-1+∑β1+kCVsijt+∑Year+∑Industry+eijt （1）

公式（1）中，i代表企業，j代表省份，t代表時間。同時，本文控制了時間與行業的虛擬變量。在回歸檢驗中，采用了聚類穩健標準誤。描述性統計見表1。

3 數字金融對中小企業融資約束的影響

3.1 基準回歸結果

表2為基準回歸的實證結果。模型（1）只加入數字金融變量，并控制時間與行業的固定效應。結果發現，數字金融對企業融資約束的影響為負且通過了1%的統計顯著性檢驗。在模型（2）中進一步納入多個控制變量，數字金融系數依舊為負并且也通過了1%的統計顯著性檢驗。上述實證結果表明，數字金融的發展能夠緩解中小企業融資約束。

3.2 影響機制檢驗

3.2.1 風險約束

金融機構在企業信息缺失或者不信任的前提下，無法判斷企業風險，此時，企業規模將會作為企業風險承擔能力的指標，傳統金融機構偏向大規模企業。本文將以營業收入、員工數指標作為企業規模指標，進一步按照樣本中位數劃分樣本，探究數字金融對中小企業的影響，回歸結果見表3。研究發現，對于樣本中營業收入或員工人數較少的的企業，數字金融能夠顯著地降低融資約束。而對于營業收入或員工人數較多的企業，數字金融緩解效果不明顯。說明，金融機構能夠通過數字金融察覺中小企業真實內部風險信息，而不是根據企業規模進行風險判斷從而做出貸款決定，數字金融能夠有效地緩解中小企業融資約束。

3.2.2 抵押品約束

本文的企業抵押資產以固定資產與存貨占企業資產總額衡量。從表3可以發現，數字金融對有形資產水平低和高的中小企業的融資約束影響分別通過1%與10%的顯著性檢驗。可以得出，數字金融對抵押財產少的中小企業緩解融資約束的效果更強。原因在于，低有形資產的企業與銀行主導型金融體系的信貸理念相悖，但是由于數字金融發展，金融機構運用信息技術，對中小企業的經營相關的現金流及經營者的消費行為等都能進行數據收集和分析，獲得企業的內在價值，顯著提高風險識別能力，注重企業“信用抵押”，這使向中小微企業提供有效金融服務成為可能，最終達到緩解企業融資約束的目的。

3.2.3 實體傳統金融服務可得

傳統金融機構需要通過網點提高覆蓋面，金融分支機構的數量會嚴重影響地區金融服務的可得性，但受限于成立機構的高成本，傳統金融機構一般將主要資源分布于經濟發達地區。同時，傳統的銀行信貸流程包括貸前調查、貸中審查、貸后檢查，需要耗費大量人力與時間。本部分采用地區每平方公里擁有金融機構數量和每萬人中銀行從業人員數量作為實體傳統金融服務可得性，考察其與數字金融對中小企業融資約束的影響之間的關系。

由表4可知，在實體傳統服務可得性低即機構或銀行從業人員少的地區，數字金融對中小企業融資約束的緩解作用非常明顯。此結果說明，在實體金融服務可得性低的地區，很多中小企業因為實體傳統機構與人員的缺失，很難尋找到金融機構提供資金，并且信息傳達效果受到物理與空間限制，增加企業融資的搜尋成本。然而，數字金融的發展使其避開了這種弊端，即使在一些實體銀行網點數量較少的地區，中小企業也能夠通過數字金融獲得金融服務，只需要利用手機或者電腦等設備即可在網絡平臺上尋找到符合企業自身發展的金融資源，從而不受物理金融機構的限制。因此，數字金融彌補了實體傳統金融服務的短缺，提高金融服務的便利性，能夠增大金融服務覆蓋面。

3.3 傳導路徑

本部分驗證兩者之間的路徑是否是降低債務融資成本與提高貸款可得性。本文借鑒溫忠麟等人（2004）[19]的中介效應模型，探究數字金融緩解中小企業融資約束的傳導路徑。

FCijt=β0+β1Digitalijt-1+∑β1+kCVsijt+∑Year+∑Industry+eijt

Medijt=ψ0+ψ1Digitalijt-1+∑ψ1+kCVsijt+∑Year+∑Industry+eijt

FCijt=λ0+λ1Digitalijt-1+λ2Medijt+∑λ2+kCVsijt+∑Year+∑Industry+eijt

其中，Med作為中介變量，其他指標設定跟上方相同。本文主要研究數字金融是否能夠通過降低“融資成本”、提高“信貸可得性”從而降低中小企業融資約束。“融資成本”采用財務費用與企業總負債比值表示，“信貸可得性”則為企業長期與短期借款增加為1，相反為0，采用Logit回歸。

表5顯示，數字金融能夠降低企業的財務費用率，Digital-1的回歸系數為-0.048 7且通過了1%的統計顯著性檢驗。在回歸（2）中，加入了財務費用率的回歸模型中，Digital-1的回歸系數為-0.072 4且具有高度的顯著性，說明數字金融能降低財務融資費用進而緩解中小企業融資約束。金融機構能夠利用數字金融，獲取中小企業財務信息和其他“軟”信息，從而了解企業風險，降低信息不對稱;能夠向企業提供較為準確的風險補償利率，并提高金融服務的便利性，降低了企業尋找信貸資源的搜尋成本等融資費用，從而緩解中小企業融資約束。模型（3）-（4）可以得出數字金融能夠提高融資的可得性，進而降低中小企業的融資約束。數字金融的發展致使那些因抵押品約束和風險約束而排斥在信貸市場以外的企業進入信貸市場，獲得金融信貸服務。

3.4 穩健性檢驗

在模型中，可能存在著遺漏變量而導致的內生性問題。本文主要參考謝絢麗等人（2018）[20]的做法，采用省級互聯網普及率作為數字金融發展的工具變量。一方面，數字金融的發展需要依靠互聯網，互聯網是數字金融發展的重要基礎設施之一。另一方面，互聯網普及率與中小企業融資約束之間不存在明顯的影響關系。

表6顯示互聯網普及率的系數為負并且通過1%的顯著性檢驗。因而無論是在基準模型中還是使用工具變量后，數字金融的系數通過了顯著性檢驗且為負，因此本文認為數字金融發展緩解中小企業融資約束的結論具有穩健性。

4 研究結論及政策建議

本文以中小板和創業板企業數據為研究基礎并與北京大學數字金融指數相結合，主要研究數字金融與中小企業融資約束之間的關系、影響機制和傳導路徑，得出以下結論。

第一，數字金融的發展能夠減緩中小企業在信貸市場上的風險約束與抵押品約束，能夠在傳統金融機構與人員缺少的地區發揮更大的作用，使金融服務擺脫實體金融機構的物理與空間限制，更好且更有效地促進資源匹配。

第二，數字金融能夠降低中小企業融資成本、提高企業信貸可得，從而緩解中小企業融資約束。

本文提出以下政策建議。

第一，大力支持數字金融的發展，制定長期的發展規劃。數字金融能夠在長時間內緩解中小企業融資約束，其重要性不言而喻，國家應當注重其發展。目前，我國數字金融水平處于國際前列，對此需要乘勝追擊，抓住歷史的機遇，培養金融科技人才，加大科技開發，促進金融交易與科技的融合。這需要長久的國家發展計劃，需要制定相關的階段目標，保證其擁有持續不斷的發展動力。

第二，完善數據管理體系建設，構建數據共享的統一征信平臺。數字金融最重要的是數據，需要促進數字金融的科技水平，提高對數據的識別能力，優化信息質量，增強數據管理能力。同時，如果不能使數據與信息共享，將會形成數據孤島，大數據征信效應無法發揮。因此，政府應當促進建立信息共享平臺，制定相關規定，明確信用數據共享的條件和標準，從而形成一個能跨機構共享的信用平臺。

第三，完善與創新金融科技監管體系，平衡好金融穩定與創新的關系。隨著數字金融的快速發展，應重視對這一新型金融業態的監管機制設計，保障其服務實體經濟與平衡金融風險兩者間找到恰當的平衡點。可充分發揮監管科技的獨特作用，以科技驅動的監管創新應對科技驅動的金融創新。

參 考 文 獻

[1]Stamp，J.C.The Report of the Macmillan Committee[J].Economic Journal，1931，163（41）：424-435.

[2]黃益平，黃卓.中國的數字金融發展：現在與未來[J].經濟學（季刊），2018，17（4）：1489-1502.

[3]封思賢，郭仁靜.數字金融、銀行競爭與銀行效率[J].改革，2019（11）：75-89.

[4]王作功，李慧洋，孫璐璐.數字金融的發展與治理：從信息不對稱到數據不對稱[J].金融理論與實踐，2019（12）：25-30.

[5]Berger，A.N.andUdell，G.F.A more complete conceptual framework for SME finance.Journal of banking&Finance，2006，30（11）：2954-2966.

[6]曹鳳岐.建立和健全中小企業信用擔保體系[J].金融研究，2001（5）：41-48.

[7]張杰，劉元春，翟福昕，等.銀行歧視、商業信用與企業發展[J].世界經濟，2013，36（9）：94-126.

[8]梁榜，張建華.數字普惠金融發展能激勵創新嗎？——來自中國城市和中小企業的證據[J].當代經濟科學，2019，41（5）：74-86.

[9]陳廣山.大數據技術在小微信貸領域的應用分析[J].金融科技時代，2021（2）：62-65.

[10]黃子健，王龑.大數據、互聯網金融與信用資本：破解小微企業融資悖論[J].金融經濟學研究，2015，30（1）：55-67.

[11]廖婧琳，胡妍，項后軍.數字普惠金融發展緩解了企業融資約束嗎？——基于企業社會責任的調節效應[J].云南財經大學學報，2020，36（9）：73-87.

[12]周天蕓.金融密度、服務可及與中國的縣域金融[J].金融發展研究，2018（9）：16-23.

[13]周天蕓，王瑩.金融機構空間集聚與經濟增長——來自廣東省縣域的實證檢驗[J].地理研究，2014，33（6）：1119-1128.

[14]Jagtiani，J.andLemieux，C.Do Fintech Lenders Penetrate Areas that are Underserved by Traditional Banks[J].Journal of Economics and Business，2018，100（11-12）：43-54.

[15]Hadlock，C.J.andPierce，J.R.New Evidence on Measuring Financial Constraints：Moving Beyond the KZ Index[J].Review of Financial Studies，2010，23（5）：1909-1940.

[16]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020（1）：71-83.

[17]吳秋生，黃賢環.財務公司的職能配置與集團成員上市公司融資約束緩解[J].中國工業經濟，2017（9）：156-173.

[18]傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據.金融研究，2018（11）：68-84.

[19]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

[20]謝絢麗，沈艷，張皓星，等.數字金融能促進創業嗎？——來自中國的證據[J].經濟學（季刊），2018，17（4）：1557-1580.