數字金融與銀行貸款合約

劉程

關鍵詞：數字金融;銀行貸款;貸款合約;異質性分析

一、引言

近年來，以人工智能、區塊鏈、云計算和大數據（簡稱“ABCD”技術）為代表的新一代信息通信技術迅猛發展，并且深刻滲透、廣泛應用到包括金融在內的人類經濟社會活動中，創造出一系列新的商業模式，產生許多新模式、新業態和新產品，從而對宏觀金融市場、微觀中介及服務的提供方式產生深刻而顯著的效應。這些驅動新一輪金融創新浪潮的新一代信息通信技術，一般簡稱為“數字技術（Digital Technology）或金融科技（FinTech）”（房漢廷，2013）。我國政府高度重視金融科技的發展，中國人民銀行特別指出，要充分發揮數字技術的賦能作用，推動我國金融業高質量發展。因此，如何客觀地定量評估數字金融的經濟效應及其對金融市場資源配置效率的影響受，到了學者和業內人士的廣泛關注（鄒靜和張宇，2021）。

盡管我國股票發行等直接融資規模發展迅速，但是以商業銀行貸款為主的間接融資方式仍然占據我國金融體系的主體地位，銀行貸款是企業進行經營活動過程中最主要的債務融資渠道（李廣子和劉力，2020），因此，我國商業銀行貸款合約制定一直都是備受金融領域學者關注的重要命題。但是從現有的研究來看，大多文獻僅從信息透明度、股權結構、產業政策以及賣空機制等角度研究我國商業銀行貸款合約制定的影響因素（梁上坤等，2013;余明桂和潘紅波，2008;李廣子和劉力，2020;褚劍等，2017;陳德球等，2013），并未關注到數字金融快速發展對我國商業銀行貸款合約制定的影響。值得關注的是，當前國內傳統銀行體系正在面臨著數字金融的巨大影響（金洪飛等，2020;邱晗等，2018）。研究發現，數字金融顯著影響著我國商業銀行的負債結構和資產結構，但是他們并未從銀行貸款合約制定的微觀視角實證研究數字金融對我國商業銀行體系的影響，基于這一研究視角將有助于理解數字金融影響商業銀行體系的作用機制，以及探究對不同貸款企業和銀行的異質性影響。這將有助于進一步回答數字金融如何影響我國商業銀行信貸資金配置效率的問題。

理論上來說，數字金融能夠更全面地對海量標準化和非標準化用戶數據進行挖掘，在緩解銀企之間信息不對稱性方面起到了重要的作用，能夠降低銀行面臨的信息風險;數字金融通過大數據技術能夠有效地對企業運營中的高頻數據進行深度挖掘與分析，利用人工智能等算法，可以幫助銀行二十四小時全天候掌握企業投資項目的最新進展情況、準確有效監管微觀企業運行狀況、減少經理人違規行為，并降低企業信用風險。同時，數字金融發展可能會加劇銀行行業競爭，進而影響銀行貸款決策。適度的競爭有助于改善信貸資金配置效率，但是，如果數字金融相關技術的廣泛應用使得業務管理流程過度復雜化，反而可能會放大風險的沖擊力，增加風險復雜化，從而引發更大的信息不對稱風險、技術操作性風險、流動性風險和道德風險①，使得信用風險、法律風險等問題更加突出。以上這些信息風險和信用風險的變化，以及數字金融發展導致的過度競爭都會影響商業銀行微觀信貸決策，促使其改變貸款合約條款，從而勢必惡化信貸資金配置效率。 所以，數字金融如何影響我國商業銀行信貸資金配置效率這一問題還有待進一步的實證檢驗。

基于此，本文使用2011-2019 年我國上市公司新增單筆銀行信貸數據，研究地區數字金融的發展對信貸資金配置效率的影響。實證研究發現，我國地區數字金融的發展有助于改善商業銀行信貸資金配置效率。具體而言，隨著地區數字金融的發展，銀行傾向于向標的公司發放數額更大以及貸款期限更長的貸款，同時這些貸款的利率更低，貸款擔保要求更為寬松。作用機制檢驗發現，數字金融的發展主要通過改善信息不對稱和促進銀行競爭的作用機制，從而影響商業銀行貸款合約的制定。異質性分析表明，中小銀行的貸款合約制定受數字金融的影響較大，數字金融對銀行貸款合約制定的作用在民營企業、高科技行業和制度環境較差地區表現得更為明顯。最后還發現，數字金融能夠通過影響銀行貸款合約制定的渠道，進而顯著改善上市公司投資不足程度，這說明數字金融發展有助于提高信貸資金配置效率，即數字金融有利于充分發揮銀行體系服務實體經濟的職能。本文從銀行貸款合約制定的研究視角豐富了數字金融經濟效應的相關研究，并為我國商業銀行體系如何更好地服務實體經濟提供了理論依據和政策參考。

本文可能的創新之處主要包括以下幾點：

第一，本文從商業銀行貸款合約制定的獨特角度實證研究了地區數字金融發展程度對信貸資金配置效率的影響。數字金融的經濟效應問題備受人們關注，但據我們所知，數字金融影響銀行微觀貸款合約制定的相關研究暫時處于匱乏階段。已有文獻多從宏觀經濟、企業經營決策以及個人決策等視角研究數字金融的經濟效應問題，而目前關于數字金融對商業銀行經營活動影響的實證研究，主要基于銀行數據展開。與大多經濟學實證研究文獻關注數字金融影響企業經營決策、個人經濟決策以及銀行經營活動有所不同的是，本文主要從銀行微觀貸款合約制定層面，研究地區數字金融發展對我國銀行體系的影響，從而為理解數字金融發揮作用的機制和內在邏輯提供了嶄新的角度。

第二，本文從數字金融的角度對銀行貸款合約制定進行了分析，豐富了關于我國商業銀行貸款合約制定影響因素的文獻。銀行貸款合約制定的影響因素是金融領域的重要話題，但目前文獻對數字金融與銀行貸款合約制定之間的關系研究不足。已有文獻主要實證研究貸款企業的外在因素和其他市場主體對銀行貸款合約制定的影響，尚未考察數字金融對銀行貸款合約制定的影響。

第三，本文的研究結論為金融監管當局和實務界提供了經驗依據和政策參考。本文結論表明，持續推進數字金融更加有助于緩解我國中小企業和高科技企業的融資約束，以及銀行貸款的所有制歧視，從而為大力發展數字金融、助力提高金融服務實體經濟能力及實現創新驅動發展戰略，提供經驗依據和政策建議。

接下來的文章結構安排如下：第二部分是文獻簡述、理論分析與研究假設;第三部分內容主要是對研究設計與樣本來源做出說明;第四部分是實證結果與分析;第五部分為異質性分析;第六部分為文章主要結論與政策建議。

二、文獻簡述、理論分析與研究假設

與本文的研究比較密切的文獻，主要包括以下兩大方面：

一方面的文獻圍繞數字金融經濟效應的研究而展開，這類文獻主要可以分為數字金融對宏觀經濟的影響和數字金融對微觀經濟主體的影響。宏觀經濟經濟效應方面的文獻主要研究數字金融對經濟增長、地區全要素生產率、高質量發展、產業結構升級、就業結構方面的影響（劉文麗等，2014;邱子迅和周亞虹，2021;巴曙松等，2020;汪淑娟和谷慎，2021;杜金岷等，2020;楊驍等，2020）。微觀經濟經濟效應方面的文獻主要研究數字金融對企業創新、投資效率、生產率等企業經營活動的影響（李春濤等，2020;唐松等，2020;王娟和朱衛未，2020;師俊國等，2016;唐松等，2019），或數字金融對消費、創業、金融需求等個人決策的影響（易行健和周利，2018;張勛等，2020;何宗樾和宋旭光，2020;謝絢麗等，2018;何婧和李慶海，2019;傅秋子和黃益平，2018），以及數字金融對銀行經營效率、風險、資產負債業務等銀行經營方面的影響（沈悅和郭品，2015;李學峰和楊盼盼，2021;劉孟飛和蔣維，2020;金洪飛等，2020;邱晗等，2018;郭品和沈悅，2015）。據我們所知，數字金融影響銀行微觀貸款合約制定的相關研究暫時處于匱乏階段。

另一方面，與本文密切相關的文獻是關于銀行貸款合約制定或信貸決策的影響因素，這些文獻主要研究信息透明度、股權結構、內部控制、稅收規避、政治關系、產業政策、賣空機制、CEO過度自信、審計意見、證券分析師等方面對銀行貸款合約制定的影響（梁上坤等，2013;趙剛等，2014;Bharath et al.，2008;Lin et al.，2011;Kim et al.，2011;余明桂和潘紅波，2008;李廣子和劉力，2020;褚劍等，2017;陳德球等，2013;Lin et al.，2020;Chen et al.，2016;Francis etal.，2021）。綜上可知，以往文獻并未考慮數字金融對銀行貸款合約制定或信貸決策的影響。

（二）理論分析與研究假設

銀行貸款合約制定問題，一直以來備受金融領域學者和實務界人士以及公司高管的高度關注。銀行信貸決策主要考慮貸款所面臨的信貸風險，主要包括信息風險和信用風險兩個維度（Chen etal.，2016;褚劍等，2017）?；诖?，本文認為地區數字金融的發展能夠從以下幾個方面對銀行貸款合約制定產生重要影響：

第一，數字金融幫助緩解商業銀行貸款中的信息不對稱問題。Stiglitz and Weiss（1981）指出信息不對稱問題一直是商業銀行貸款面臨的重大難題。數字金融能夠更全面地對海量標準化和非標準化用戶數據進行挖掘，在緩解銀企之間信息不對稱方面起到了重要的作用，能夠降低銀行面臨的信息風險（Lin et al.，2013;Huang et al.，2018）。數字金融能夠幫助降低銀行信息搜集處理成本（Gomber et al.，2018），比如大數據和人工智能等技術能夠幫助商業銀行提升信息獲取、處理及應用能力，切實有效緩解銀行放款過程中面臨的信息不對稱問題，有助于甄別“好企業”與“壞企業”，從而制定合理的風險溢價。王馨（2015）認為數字金融能夠幫助銀行獲取更多客戶信息，有利于銀行提高對小微企業信貸的供給。同時，基于大數據、人工智能的審貸方法，也降低了人為干預，減少了貸款審批過程中的尋租空間，從而降低了融資成本（Huang et al.，2018;Fusteret al.，2019;李春濤等，2020）。所以本文認為，地區數字金融的發展能夠通過降低銀行信息風險的方式，對銀行貸款合約制定產生重要影響。

第二，地區數字金融的發展有助于加強銀行對信用風險的管理，提高商業銀行對信貸風險的評估能力。數字金融通過大數據技術能夠有效地對企業運營中的高頻數據進行深度挖掘與分析，利用人工智能等算法，可以幫助銀行二十四小時全天候掌握企業投資項目的最新進展、準確有效監管微觀企業運行狀況、減少經理人違規行為傾向，可以有效改善商業銀行的風險控制能力，并顯著降低銀行面臨的企業信用風險。同時，數字金融提高了銀行機構的風險管控水平，從而為銀行創新金融產品提供技術保障（Gomber et al.，2018;郭峰等，2017），有助于增強金融普惠性和擴展金融服務的邊界，提升金融服務實體經濟的能力，從而優化信貸資金配置效率。數字金融發展幫助降低銀行信貸決策面臨的信用風險，而在面對信用風險的變化時，商業銀行會對原有信貸契約的貸款數額、利率以及擔保要求等方面做出相應的調整。

第三，數字金融也可能通過加劇競爭來影響銀行貸款決策。數字金融的發展一定程度上會加劇銀行行業競爭，這可能會提高銀行的風險承擔水平。目前我國銀行外部經營環境的變化主要來自于競爭的迅速加劇。一方面，數字金融公司引發的金融體系沖擊，導致銀行資金成本被推高，商業銀行更難從存款市場獲取低價穩定的資金，引發對存款市場的競爭加劇;另一方面，數字金融發展對傳統商業銀行具有“鯰魚效應”，使得銀行更難在貸款市場獲取超額收益，從而加劇了貸款市場的競爭（孫旭然等，2020）。進一步地，銀行競爭所導致的客戶爭奪與業績壓力，銀行有很強的動機搜集和挖掘企業信息，從而降低了銀行與企業之間的信息不對稱程度，進而緩解了企業所面臨的融資約束（Rice and Strahan，2010;Fraisse et al.，2018;姜付秀等，2019;李志生等，2020）。劉孟飛和蔣維（2020）發現，數字金融發展給我國商業銀行帶來了明顯的成本壓力。

這可能導致，銀行在利潤目標驅使下提高貸款的規模偏好與風險偏好。邱晗等（2018）發現，數字金融的發展使得大量資金從存款市場流向銀行間市場，通過影響銀行獲取資金途徑，促使其風險承擔偏好上升。盛天翔和范從來（2020）發現，數字金融的發展促使銀行業競爭環境的改變，這通過優化銀行市場結構，有助于促進我國商業銀行對中小微企業的信貸供給，從而改善信貸資金配置效率。因此，數字金融可能通過加劇銀行業競爭，使得銀行對于信貸合約條款做出理性的調整，為保持市場占有率，那么銀行可行的信貸策略就是增加貸款金額和延長貸款期限、降低貸款利率和貸款擔保要求。

此外，數字金融相關技術的廣泛應用會使得業務管理流程過度復雜化，反而可能會加劇銀行貸款中的信息不對稱風險、技術操作性風險，使得信用風險、法律風險等問題更加突出，這會加劇銀行惜貸慎貸傾向。

綜上所述，本文提出如下互為競爭的研究假設：

研究假設1a：地區數字金融發展對銀行貸款合約制定具有積極影響，使得銀行對標的公司提高貸款金額和延長貸款期限、降低貸款利率和貸款擔保要求。

研究假設1b：地區數字金融發展對銀行貸款合約制定具有消極影響，使得銀行對標的公司降低貸款金額和縮短貸款期限、提高貸款利率和貸款擔保要求。

三、研究設計與樣本來源

（一）研究設計

為了檢驗我國地區數字金融發展與銀行貸款合約制定之間的關系，本文建立以下實證模型：

借鑒現有文獻的衡量方法（Chen et al.，2016;褚劍等，2017），本文基于以下這四個維度來反映銀行貸款合約條款的調整（bankloan），這些條款具體包括貸款利率（rate）這一價格條款以及貸款金額（lnbankloan）、貸款期限（lnterm）、貸款擔保（collateral）這些非價格條款，其中具體變量定義如下：貸款金額，用銀行貸款金額（以百萬元為單位）的自然對數來表示;貸款期限，用銀行貸款期限（天數）的自然對數來表示;貸款利率，用銀行貸款利率（以%為單位）來表示;貸款擔保，用是否需要擔保的虛擬變量來表示，如果這一筆貸款要求擔保則取1，否則取0。

本文重點關注的核心解釋變量為地區數字金融發展程度指數（DigiFin），具體參考郭峰等（2020）、謝絢麗等（2018）、邱晗等（2019）以及唐松等（2020）學者們的做法。本文采用北大數字金融研究中心編制的地級市層面中國數字普惠金融指數作為數字金融發展程度的代理指標，并對該指數進行了對數化處理。為了盡可能緩解反向因果關系導致的內生性問題，在實際估計中取滯后一期變量。

參考目前實證研究文獻的建模思路（Graham et al.，2008;梁上坤等，2013;趙剛等，2014;褚劍等，2017），本文在回歸中考慮如下公司層面的控制變量：公司資產規模（lnsize），由公司總資產合計的自然對數來表示;上市年齡（lnage），由該年為止的上市年數加1 的自然對數來表示;財務杠桿（lev），由總負債與總資產之比來表示;總資產收益率（roa），由本年度的凈利潤與上年度的總資產合計的比值來表示;公司未來增長潛力，用公司股票市值與賬面所有者權益比（q）表示，具體由市值與賬面股東權益之比來衡量;有形資產比例（tangibility），由固定資產與總資產之比來表示;現金波動（lncashvol），由經營現金凈流量的波動率來表示;第一大股東持股比例情況（largest），由第一大股東持股數與公司流通總股數之比來表示;國企性質（soe），若實際控制人為政府時取1，否則取0;貸款銀行性質（bank4），若是中國銀行、中國農業銀行、中國工商銀行、中國建設銀行這四大行時取1，否則取0。此外，我們在模型中加入以下地區層面的控制變量：經濟增長（lngrowth），由地區經濟增長率的對數來衡量;地區經濟發展程度（lngdp_per），由人均國內生產總值的對數來衡量;金融發展程度（finance），由地區年末貸款余額與國內生產總值之比來衡量;地方財政支出（fiscal），由一般公共預算支出占國內生產總值的比重來衡量。最后在模型中還控制了行業和年度啞變量。

（二）樣本來源

與Kim et al.（2011）、梁上坤等（2013）以及褚劍等（2017）類似的是，本文選擇2011-2019年我國商業銀行向非金融類上市公司新增發放的54 119 筆貸款作為實證研究的觀測樣本①，其中部分貸款期限、利率或擔保要求條款缺失。本文使用的上市公司新增單筆銀行信貸數據主要來自國泰安數據庫和上市公司董事會公告。另外，上市公司和銀行層面財務數據均來自國泰安數據庫，地區層面數據來自歷年中國城市統計年鑒和中經網統計數據庫。

表1 報告了本文部分變量的描述性統計。從中可以發現，觀測樣本中貸款金額的自然對數（lnbankloan）均值為4.813，即單筆貸款的平均金額約為123.100 百萬元;貸款期限的自然對數（lnterm）均值為6.134，即單筆貸款的平均期限為461.278 天;貸款利率（rate）平均值為6.454%，平均有52.7%的上市公司銀行貸款被要求提供擔保，數據特征基本與褚劍等（2017）保持相似。

四、實證結果與分析

（一）基準回歸結果與分析

表2 報告了地區數字金融發展與商業銀行信貸決策的實證回歸結果。表中本文關注的變量DigiFint-1 在各列中的系數都具有統計顯著性。具體來看，當地數字金融的發展有助于提高上市公司的貸款金額和貸款期限，而有助于降低貸款利率和貸款擔保要求。這一回歸結果表明，地區數字金融發展對銀行貸款合約制定具有顯著的積極影響。研究假設1a 得到支持。

（二）穩健性檢驗

出于確保實證回歸結果的可靠性以及準確性的考慮，本文在基準回歸的基礎上，還進行了以下幾個方面的穩健性檢驗：

1. 地區遺漏變量的影響。為控制地區遺漏變量的影響，我們在公式（1）的基礎上考慮地區固定效應①，表3 報告了這一回歸結果。由結果可知，研究假設1a 依然成立。

2. 反向因果問題。參考謝絢麗等（2018）學者的工具變量的選取方法，我們選擇我國各省份互聯網普及率這一指標作為地區數字金融發展指數的工具變量，表4 是兩階段工具變量法的回歸結果。從第一階段的實證結果來看，本文選擇的工具變量與地區數字金融發展指數存在較強的相關關系，符合工具變量的選取標準;在采用工具變量法減輕內生性問題后，第二階段的回歸結果基本與基準回歸結果保持一致。

3. 自選擇的影響。因為我國并未強制要求上市公司必須披露其銀行貸款信息，所以這可能會導致嚴重的自選擇問題，從而影響回歸結果的可靠性。為了緩解這一問題，本文參考梁上坤等（2013）以及褚劍等（2017）學者的處理方法，采用Heckman 模型估計方法，該方法的基本思路是：首先通過構建公司是否進行銀行貸款信息披露的影響因素模型作為第一階段模型，由此計算出IMR 比率（Inverse Mills Ratio）;然后把IMR 比率加入到基準模型中，以此重新進行檢驗。在控制了自選擇問題導致的偏差后，該實證結果仍與本文結論一致（見表5）。

4. 數字金融指標度量偏誤的問題。北大數字普惠金融指數由覆蓋廣度（coverage）、使用深度（usage）、數字支持服務程度（digiti）三個維度的細分指標構建而成。其中數字支持服務程度刻畫了地區數字金融的交易成本和效率，便利性和成本是企業獲得金融服務的關鍵因素，會對銀行貸款合同產生直接影響。所以為了避免數字普惠金融指數的衡量偏誤，本文采用數字支持服務程度（digiti）這一細分指標來替代，重新進行回歸估計，表6 列示了這一結果。該實證結果仍與本文結論一致。

（三）作用機制檢驗

在前述研究中，盡管基本可以確證數字金融對于銀行貸款合約制定的積極作用，但值得進一步追問的是：數字金融影響銀行貸款合約制定的機制是什么？正如前文理論分析部分我們所闡述的，數字金融影響銀行貸款合約制定的機制可能包括以下三個：地區金融科技發展能夠緩解銀企之間面臨的信息不對稱問題（或降低信息風險）、防范信用風險，以及加劇銀行市場的競爭程度。因此，我們從以下三個方面驗證這三個機制：

1. 信息風險機制檢驗

如果數字金融是通過緩解銀企之間面臨的信息不對稱問題從而影響銀行貸款合約制定，那么對于那些信息不對稱程度較高的上市公司而言，數字金融可以幫助銀行提升對這些借款公司的信息獲取能力，而對那些信息不對稱程度較低的上市公司的信息獲取影響不大。因此，在實證中我們考慮信息不對稱程度對數字金融與銀行貸款合約制定之間關系的影響。

具體而言，為了驗證這個機制，沿用我們之前的模型，加入應計盈余管理指標（DA）來衡量信息不對稱程度，該指標一般用于衡量企業財務信息披露質量程度（陳運森和黃健嶠，2019），DA 數值越大表明該企業信息披露質量越差，這就意味著企業的信息不對稱程度越高，并用地區數字金融發展指數與盈余管理程度指標的交互項來衡量數字金融發展程度和信息不對稱程度之間的交互效應如何影響我國商業銀行貸款合約的制定。表7 報告了這一回歸結果，本文關注的交互變量DigiFint-1×DA 在所有回歸中的系數均有統計顯著性。具體來看，在第1-2 列中，交互變量DigiFint-1×DA 顯著為正，說明對于信息不對稱程度越高的上市公司樣本而言，地區數字金融發展對商業銀行貸款金額和貸款期限的增加量越大;同時，在第3-4 列中，交互變量DigiFint-1×DA顯著為負，說明對于信息不對稱程度越高的上市公司樣本而言，數字金融對銀行貸款利率和貸款擔保要求的降低量越大。因此，可以看到，地區數字金融的發展對信息不對稱程度越高的借款公司的銀行貸款合約制定具有更大的積極作用。這說明地區數字金融發展能夠通過有效緩解銀企之間的信息不對稱問題，對我國商業銀行貸款合約的制定產生顯著的積極作用，即信息風險機制成立。

2. 信用風險機制檢驗

如果地區數字金融發展能夠通過降低信用風險從而影響商業銀行貸款合約的制定，那么對于那些信用風險越大的上市公司而言，數字金融的發展可以幫助商業銀行提升對這些公司的風險控制能力，而對那些信用風險較低的上市公司的風險控制能力影響應該不大。因此，在實證中我們考慮信用風險對數字金融與商業銀行貸款合約制定之間關系的影響。

具體而言，為了驗證這個機制，在本文基準模型設定的基礎之上，加入公司是否違規的虛擬變量（Fraud）來衡量信用風險，當該指標為1 時，表示公司存在違規行為，這說明信用風險較高;當該指標為0 時，表示公司不存在違規行為，這說明信用風險相對較低，并用數字金融指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響銀行對不同信用風險企業貸款合約的制定。表8 報告了這一實證結果。核心解釋變量DigiFint-1 在所有列中的系數均具有顯著性，但在這里，本文關注的交互變量DigiFint-1×Fraud 在所有列中的系數都不具有顯著性。因此，可以看到數字金融對信用風險不同的上市公司的銀行貸款合約制定不具有顯著影響。這說明本文回歸結果未能驗證信用風險機制的成立。

3. 銀行競爭機制檢驗

如果數字金融是通過加劇銀行競爭而影響銀行貸款合約制定，那么在那些銀行競爭較小的地區，數字金融對商業銀行貸款合約的制定影響程度應該更大，而對那些銀行競爭程度較大地區的影響應該越小。因此，在實證中我們考慮銀行競爭程度大小對數字金融與銀行貸款合約制定之間關系的影響。

具體而言，為了驗證這個機制，在沿用本文之前的基準模型的基礎上，加入是否前四大銀行分支機構占比較高地區的虛擬變量High_HHI 來衡量銀行競爭程度，當該指標為1 時，表示該地區前四大銀行分支機構占比高于中位數，這說明銀行競爭程度較小;當該指標為0 時，表示該地區前四大銀行分支機構占比低于中位數，這說明銀行競爭程度較大，并用數字金融指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響銀行對不同銀行競爭程度地區貸款合約的制定。表9 報告了這一回歸結果。本文關注的交互變量DigiFint-1×High_HHI 在所有回歸中的系數均有統計顯著性。具體來看，在第1-2 列中，交互變量DigiFint-1×High_HHI 顯著為正，說明對于銀行競爭程度較小的地區，數字金融對銀行貸款金額和貸款期限的增加量越大;同時，在第3-4 列中，模型中的交互變量DigiFint-1×High_HHI 顯著為負，這說明對于銀行競爭程度較小地區的上市公司，數字金融對銀行貸款利率和貸款擔保要求的降低量越大。因此，可以看到數字金融對銀行競爭程度較小地區的上市公司的銀行貸款合約制定具有更大的積極作用。這說明地區數字金融發展能夠通過促進銀行行業內的競爭程度，從而對我國商業銀行貸款合約的制定產生顯著的積極作用。這說明銀行競爭機制成立。

五、異質性分析

（一）銀行特征

為了考察數字金融對中小商業銀行貸款合約制定的影響，沿用我們之前的模型，加入是否中小商業銀行的虛擬變量bank_small，當該指標為1 時，表示貸款銀行是中小銀行，否則就是大型銀行，并用數字金融指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響中小商業銀行貸款合約的制定。表10 報告了這一回歸結果。本文關注的交互變量DigiFint-1×bank_small在所有回歸中的系數均有統計顯著性。具體來看，在第1-2 列中，交互變量DigiFint-1×bank_small顯著為正，說明數字金融對中小銀行貸款金額和貸款期限的增加量更大;同時，在第3-4 列中，模型中的交互變量DigiFint-1×bank_small 顯著為負，這說明數字金融對中小銀行貸款利率和貸款擔保要求的降低量更大。因此，可以看到數字金融對中小商業銀行貸款合約的制定具有更大的積極作用。

（二）產權屬性

為了考察數字金融對不同產權性質企業的銀行貸款合約制定的影響，在本文基準模型設定的基礎之上，加入是否國有企業的虛擬變量soe，當該指標為1 時，表示貸款企業是國有企業，否則就是民營企業，并用數字金融指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響銀行對不同產權性質企業的貸款合約的制定。表11 報告了這一回歸結果。本文關注的交互變量DigiFint-1×soe 在所有回歸中的系數均有統計顯著性。具體來看，在第1-2 列中，交互變量DigiFint-1×soe 都為負，說明相對于國有企業而言，地區數字金融的發展使得銀行對民營企業的貸款金額和貸款期限的增加量更大;同時，在第3-4 列中，交互變量DigiFint-1×soe 顯著為正，說明相對于國有企業而言，地區數字金融的發展使得銀行對民營企業的貸款利率和貸款擔保要求的降低量更大。因此，可以看到地區數字金融發展有助于緩解銀行貸款中的所有制歧視。

（三）高科技行業

為了考察數字金融對高科技行業企業的銀行貸款合約制定的影響，本文借鑒黎文靖和鄭曼妮（2016）、李春濤等（2020）的行業分類標準方法，即將工業中的設備制造行業和文化、辦公用機械行業視作高科技行業，其余行業則視作非高科技行業，在沿用我們之前的基準模型基礎上，加入是否高科技行業的虛擬變量（hightech），當該指標為1 時，表示該上市公司屬于高科技行業，否則不屬于高科技行業，并用地區數字金融發展指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響銀行對高科技行業企業的貸款合約的制定。表12 報告了這一回歸結果。本文關注的交互變量DigiFint-1×hightech 在所有回歸中的系數均有統計顯著性。具體來看，在第1-2列中，交互變量DigiFint-1×hightech 都為正，說明相對于非高科技行業企業而言，數字金融發展使得銀行對高科技行業企業的貸款金額和貸款期限的增加量更大;同時，在第3-4 列中，交互變量DigiFint-1×High_HHI 顯著為負，說明相對于非高科技行業企業而言，數字金融發展使得銀行對高科技行業企業的貸款利率和貸款擔保要求的降低量更大。因此，可以看到地區數字金融發展更有助于商業銀行去滿足高科技行業企業的融資需求。

（四）制度環境

一般而言，貸款銀行信貸決策中所面臨的信用風險和信息風險與貸款企業所在地區的制度環境狀況密切相關。正如褚劍等（2017）學者指出的那樣，公司所在地區制度環境狀況越好，那么這些企業日常經營決策活動受地方政府或官員過度干預的可能性一般較小，所以經濟政策方面的不確定性程度也會比較低，由此導致衡量和評估這些公司日常經營狀況的信息不確定性也相應較低，這時候商業銀行信貸決策所面臨的信息風險就比較小了。換個角度來說，位于制度環境較好地區的企業擁有更為便利低廉的條件通過金融市場實現融資需求，從而降低了因現金流不足導致的銀行債務違約的風險，而且，即使企業發生違約，良好的法律制度環境也能夠在最大程度上保障貸款銀行受償的權利，這時候商業銀行所面臨的信用風險一般也較小。那么可以預計的是，上文中地區數字金融發展對銀行信貸決策產生的積極作用會在所處地區制度環境較差的上市公司樣本中更為顯著。

為了進一步考察制度環境對我國地區數字金融發展與銀行貸款合約制定之間關系的影響，我們根據王小魯等（2017）的市場化指數將樣本分為制度環境較好地區和制度環境較差地區，沿用我們之前的模型，加入企業是否處于制度環境較好地區的虛擬變量gie_dummy，當該指標為1 時，表示上市公司處于制度環境較好地區，否則處于制度環境較差地區，并用數字金融指數與該虛擬變量的交互項來著重刻畫數字金融發展程度如何影響銀行對處于不同制度環境的企業的貸款合約的制定。表13 報告了這一回歸結果。本文關注的交互變量DigiFint-1×gie_dummy 在所有回歸中的系數均有統計顯著性。具體來看，在第1-2 列中，交互變量DigiFint-1×gie_dummy 都為負，說明相對于處于制度環境較好地區的企業而言，數字金融發展使得銀行對處于制度環境較差地區企業的貸款金額和貸款期限的增加量更大;同時，在第3-4 列中，交互變量DigiFint-1×gie_dummy顯著為正，說明相對于處于制度環境較好地區的企業而言，數字金融發展使得銀行對處于制度環境較差地區企業的貸款利率和貸款擔保要求的降低量更大。這說明地區數字金融發展有助于彌補銀行貸款中制度環境的缺陷。

六、數字金融、銀行貸款合約制定與公司投資效率

前文證實了數字金融對銀行貸款合約制定具有顯著的積極作用，但這是不是意味著數字金融的發展有助于提高信貸資金配置效率？下面我們通過驗證數字金融發展是否通過影響銀行貸款合約制定，從而影響公司投資效率。具體而言，如果數字金融發展滿足了過度投資企業的銀行貸款需求，說明數字金融發展不利于公司投資效率改善，損害了信貸資金配置效率;反之，如果數字金融發展滿足了投資不足企業的銀行貸款需求，則說明數字金融發展有助于公司投資效率的改善，促進信貸資金配置效率的提高。

其中被解釋變量為企業非效率投資水平，該指標參考陳運森和黃健嶠（2019）對非效率投資的計算方法而得。具體而言，我們估算了公司正常的資本投資水平，然后將模型的殘差絕對值作為投資效率的代理變量。具體回歸模型如下：

公式（3）中因變量INV 是公司資本投資量，本文借鑒靳慶魯等（2012）的做法，將其定義為購建固定資產、無形資產和其他長期資產所支付的現金之和與總資產之比;Q 為公司的成長機會，定義為流通股的市場價值、非流通股的賬面價值和負債的總和除以總資產;LEV 為企業的資產負債率。CASH 為公司的現金持有量，定義為年末貨幣資金除以總資產;AGE 是公司的上市年齡，由當年與上市年份差值的自然對數計算所得;LNSIZE 為公司總資產的自然對數;RET 是公司在股票市場上的年回報率。我們使用模型（1）的殘差絕對值作為衡量投資效率的代理變量（abs_e）。

lnbankloan 為企業當年所有新增單筆銀行貸款的加總，數字金融發展程度指標DigiFin 定義與前文保持一致。其他控制變量具體包括公司資產規模的自然對數lnsize、資產負債率lev、上市年齡lnage、董事數量的自然對數lnboard、獨立董事比例inboard、兩職合一dual、管理層持股比例manhold、第一大股東持股比例top1。如果交互項DigiFin×lnbankloan 的系數顯著為負，說明數字金融發展通過增加銀行貸款，顯著降低了企業非效率投資水平，如果模型中交互項DigiFin×lnbankloan 的回歸系數顯著為正，則說明地區數字金融發展通過增加銀行貸款供給，顯著提高了企業非效率投資水平。

表14 報告了數字金融、銀行貸款合約制定與我國上市公司投資效率的模型回歸結果。表中第1 列為全企業樣本數據的回歸結果，本文關注的交互項DigiFin×lnbankloan 的系數顯著為負，說明整體而言，數字金融發展通過增加銀行貸款，進而顯著降低了企業非效率投資水平。第2-3列分別為投資過度公司樣本和投資不足公司樣本的模型回歸結果，可以發現，采用投資過度企業樣本估計的交互項DigiFin×lnbankloan 的系數并不具有統計顯著性，而采用投資不足企業樣本估計的交互項DigiFin×lnbankloan 的系數具有統計顯著性，這表示數字金融發展促使銀行增加對投資不足企業的貸款總額，進而提高了這些企業的投資效率。這進一步說明數字金融發展能夠更好地服務于實體經濟，進一步豐裕企業的可用資金，促使企業將更多的資金用于再生產活動，有利于顯著提高我國上市公司投資效率。這也意味著信貸資金配置效率的改善。

七、結論與政策建議

本文利用2011-2019 年我國上市公司新增銀行貸款數據，實證研究了地區數字金融發展與商業銀行貸款合約制定之間的關系。實證研究發現，地區數字金融的發展有助于改善我國商業銀行信貸資金配置效率。具體而言，隨著地區數字金融的發展，商業銀行傾向于向標的公司發放數額更大和期限更長的貸款，同時這些貸款的利率更低，貸款擔保要求更為寬松。作用機制檢驗發現，數字金融的發展主要通過改善信息不對稱和促進銀行競爭的作用機制，從而影響銀行貸款合約制定。異質性分析表明，中小銀行的貸款合約制定受數字金融的影響較大，數字金融對銀行貸款合約制定的作用在民營企業、高科技行業和制度環境較差地區表現得更為明顯。最后還發現，數字金融能夠通過影響銀行貸款合約制定的渠道，顯著改善上市公司投資不足程度，這說明數字金融發展有助于提高信貸資金配置效率，即數字金融有利于充分發揮銀行體系服務實體經濟的職能。本文從銀行貸款合約制定的研究視角豐富了數字金融經濟效應的相關研究，并為我國商業銀行體系如何更好地服務實體經濟提供了理論依據和政策參考。

本文具有以下重要的政策啟示：第一，應當給予科技和金融深度融合政策支持，在守住風險的底線的基礎上，給足“試點容錯”空間，鼓勵和完善配套產業發展，打好信息技術基礎，依法合規破除當前數據孤島困局，推進信息有效流動，積極推動大數據、人工智能等高端核心技術的發展，發揮科技賦能銀行金融服務的作用，為服務實體經濟高質量發展打下堅實基礎;第二，數字金融的發展，仍然需要建立在完善和補充金融體系的基礎上，尤其是針對我國以銀行為主導的金融結構，傳統金融機構應當擁抱數字金融，將金融資源精準下沉到實體企業中，對中小企業和高科技企業給予足夠的金融支持;第三，當前金融監管體系亟須與時俱進進行變革，平衡好金融風險與支持實體經濟創新發展之間的關系。