數字金融與企業創新風險

馬紅 李小萍

【摘要】隨著數字金融應用對我國金融環境影響程度的不斷加深， 考慮企業創新風險與其所處外部金融環境間的密切相關性， 研究數字金融對企業創新風險的影響機理具有重要的現實意義。 以我國制造業上市公司的經驗數據為樣本， 通過實證檢驗后發現： 數字金融發展能顯著抑制企業的創新風險; 數字金融主要從融資約束、信息不對稱程度和資本錯配三方面， 影響企業創新風險; 制度背景因素對數字金融與企業創新風險間關系具有調節效應。

【關鍵詞】數字金融;企業創新風險;擴大內需戰略;供給側結構性改革

【中圖分類號】F832? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）14-0062-10

一、文獻綜述

創新驅動式增長， 是我國經濟實現高質量發展的決定性條件， 也是緩解當前國內外經濟壓力最重要的路徑之一。 然而， 創新項目的資金需求與風險居高不下， 致使微觀創新主體持續困于融資窘境。 企業創新投入與風險的雙高特性， 注定充足穩健的金融資源與及時有效的供需信息必不可少。 數字金融的廣泛應用對我國金融環境的優化作用顯著， 并且深刻地影響了企業的創新行為。 現有學者已開始關注數字金融對企業創新投入或創新產出的影響， 但有關數字金融對企業創新風險的影響卻鮮有涉及。 企業創新風險指微觀創新主體在創新過程中出現創新行為中止、撤消、失敗以及未達到預期經濟技術指標而產生損失的可能性。 基于此， 本文重點揭示下列問題： 數字金融的出現是否對企業的創新風險造成了影響？ 數字金融作用于企業創新風險的影響機制是什么？ 當前， 與本研究聯系緊密的文獻主要從下述兩大方面展開論述。

（一）數字金融與技術創新

國外學者對數字金融與創新關系的研究主要體現在宏觀層面。 Lin等[1] 認為數字金融能夠依托先進的信息技術， 縱深挖掘企業相關信息， 拓寬金融服務覆蓋范圍， 進一步推動包含技術創新的實體經濟增長。 Demertzis等[2] 、Lee等[3] 發現以大數據、云計算等信息技術為支撐的金融科技的出現， 推動了金融領域的創新發展。 Yin等[4] 認為數字金融為促進創新創業提供了發展機遇。

近年國內數字經濟發展迅猛， 數字金融與創新的研究受到更多關注。 就宏觀層面而言， 部分學者指出數字金融應用提高了金融服務水平、完善了金融服務功能、提升了創新資源流動性及可獲取性， 從而對區域技術創新水平產生了顯著激勵作用。 梁榜等[5] 、汪亞楠等[6] 、杜傳忠等[7] 、徐子堯等[8] 都以城市為衡量單元證實了數字金融作為創新驅動的嶄新動能， 能夠極大地提升區域創新水平。 在微觀企業層面， 學者們大多認為數字金融能夠通過緩解融資約束和信息不對稱等作用機制減輕企業創新負擔， 激勵企業創新行為。 李春濤等[9] 、唐松等[10] 以及萬佳彧等[11] 的研究均證實了數字金融對于企業創新活動的促進效應。 也有學者認為， 中小企業創新融資渠道相對更少、融資限制更多， 因此受數字金融影響更大。 喻平等[12] 、聶秀華等[13] 認為數字金融能夠助力中小企業擺脫創新融資困境， 驅動企業加強創新實踐。 另外， 黃益平等[14] 、何宏慶[15] 指出數字金融因法律不健全、監管不完善、征信體系不完備等問題而存在較大風險， 該風險將影響數字金融的創新發展。

（二）企業創新風險的影響因素

創新風險影響因素是國外學者考察企業創新風險的重要方面， 考察方向主要分為企業內外創新風險因素以及創新過程的風險因素， Utterback[16] 提出的技術創新風險理論， 突出了創新應用行為的風險與防范措施。 Burlando[17] 認為政治、經濟等外部環境因素以及企業創新實踐過程中技術開發、創新成果推廣等內部行為都能夠影響企業的創新風險。 而Ackermann等[18] 則認為創新的內部風險因素是企業的員工、信譽等。 Jose等[19] 提出創新過程可以劃分成創意、選擇、孵化、實施和學習五個階段， 能夠對這些階段產生影響而導致創新與實施過程不確定的因素， 即為創新的風險因素。

國內研究最先從技術創新風險的相關理論展開， 謝科范[20] 整理了以往技術創新風險的研究成果， 將技術創新存在的風險因素分為可控與不可控因素、可規避與不可規避因素。 袁澤沛等[21] 認為國內企業創新意識不足、創新行為難以長期化以及創新時機把控不準， 都將使得企業面臨較高的創新風險。 傅毓維等[22] 認為企業創新過程中各個階段面臨的風險影響因素存在差異。 覃浩高等[23] 、李曉峰等[24] 都將影響企業創新風險的因素歸納為內、外部因素兩大類。 陳建新等[25] 進一步將企業創新風險劃分為決策、技術、管理、生產、財務、文化、市場和政策等八個方面。

現有文獻已圍繞數字金融與企業創新展開了豐富的研究， 但鮮有文獻對數字金融與企業創新風險之間的關系進行深入剖析。 因此， 本文基于數字金融的金融新業態發展背景， 用企業創新與風險承擔水平之間的敏感性衡量企業創新風險， 借助北大數字金融研究中心提供的數字普惠金融指數， 從宏微觀結合的研究路徑出發， 深入挖掘數字金融作用于企業創新風險的實際影響與具體機制。

二、理論分析與假設提出

產業組織理論提出， 高風險性是創新投資異于一般投資的重要特點， 其風險主要來源于兩大方面： 一是創新成功的低概率性使得短期內創新回報較少; 二是創新投資結果難以預測[26] 。 企業投資于創新活動將大大增加企業內在風險， 原因主要在于以下三個方面： 首先， 創新項目對穩定持續的外部資金的需求及依賴度極高[27] ， 但企業創新行為的高風險與收益不確定特征使得創新活動的外部融資渠道受限、融資成本更高、融資約束更嚴重， 從而導致企業的創新融資風險更高。 其次， 企業創新信息通常披露有限， 使得創新行為的信息不對稱問題更嚴重， 企業內外部對創新行為的監督難度提高， 企業出現道德風險與逆向選擇現象的可能性增加， 其面臨的風險也將更高。 最后， 創新項目高投入、高風險以及抵押物缺乏等特性使得金融市場對其投資偏好不足， 優質金融資源配置于創新項目的效率也就更低， 而企業創新過程中投入不足極易造成企業創新風險升高。 可見， 企業創新行為將促進企業創新風險增大。

數字金融抑制企業創新風險的作用機制可能在于： 首先， 基于金融發展的結構觀理論， 有效的金融結構將推動資金渠道合理化與多元化， 促使資金流動效率提高、資本快速積累， 最終實現經濟增長。 而數字金融憑借數字手段吸納眾多非正規金融服務群體， 實現了對傳統金融體系的結構性補充， 豐富了企業創新融資路徑; 同時其利用高效、低成本的服務優勢降低了企業創新融資成本， 促使企業突破創新融資困境， 降低創新融資風險。 其次， 基于委托代理理論， 創新信息透明度較低使得管理者謀取私利和利用創新投入進行盈余管理的傾向較強， 管理者創新行為受到股東與外部投資者有效監督的難度較大， 從而導致企業創新風險較高。 數字金融依托先進信息技術充分發揮信息效應[28] ， 大大提升創新信息透明度， 緩解企業內外部創新信息不對稱， 有效解決企業內外部對創新行為的監督難題， 從而促使管理者對創新活動的關注度和對創新風險的謹慎性提高。 最后， 基于金融發展的功能觀理論， 金融系統的基礎功能體現在對金融資源配置的干預方面。 而風險管理正是金融系統發揮資源配置作用的重要因素之一[29] 。 數字金融不僅能發揮資源配置效應， 為創新企業配置優質金融資源， 有效緩解資源錯配現象， 還能通過構建更完善的征信體系， 實現對創新企業風險的有效評估， 簡化金融機構對創新企業的審核程序， 提高資源配置效率。 因此， 創新企業在研發過程中投入的資源更優質， 對創新風險的重視程度與管理效率也更高。 由此， 本文提出以下假設：

H1： 數字金融發展能夠抑制企業創新風險。

三、研究設計

（一）樣本選取

本文選取滬深兩市A股上市公司2011 ～ 2018年數據為樣本。 其中選擇2011年作為起始點的根據在于， 該年之后才出現較完整的數字金融指數公開統計數據。 需特別指出的是， 本文僅選取了創新行為較為集中的制造業（行業代碼為C）， 并且按照以下原則處理研究樣本： ①剔除ST、PT樣本; ②對樣本執行上下1%的Winsorize處理; ③剔除數據出現異常或缺失情況的樣本。 最終選定了有效樣本企業共717家。 本文所用企業層面數據主要來源于國泰安數據庫以及Wind數據庫， 地區層面數據主要來源于國家統計局與地方統計年鑒， 而數字金融指數則來源于北京大學已公布的《數字普惠金融指數》。

（二）基本模型構建

為檢驗數字金融發展與企業創新風險水平之間的關系， 本文構建了模型（1）， 其具體形式如下：

RiskTj，t=α0+α1RDj，t-1+α2Indexj，t-1+α3RDj，t-1×

Indexj，t-1+α4Controlj，t-1+Industry+Year+εj，t-1 （1）

模型（1）中借鑒靳慶魯等[30] 的研究， 用投入與期望產出間的敏感性衡量企業投資效率， 用創新投入與企業風險（非期望產出）之間的敏感性衡量企業的創新風險。 其中創新投入（R&D）選用創新投入規模衡量， 主要包括研發費用和技術性資產凈值增加量兩部分， 并用主營業務收入對其進行標準化處理。 企業風險（RiskT）則選用企業盈利的波動性指標衡量， 具體測算方式見模型（2）與模型（3）：

RiskTj，t=

（2）

Adjroaj，t=[? ? ? ? ? ? ? ? ?]-[1Xt=1T? ? ? ? ? ? ? ? ?] （3）

模型（2）、（3）中： roa為所選企業的息稅前利潤資產收益率（Ebitda）在當年末資產總額（Asset）的占比; X為所選企業所在行業中的企業總數; T為考察期規定的年份， 參照羅黨論等[31] 、孫艷梅等[32] 的研究成果， 本文將該年限規定為3年。

模型（1）所涉及的解釋變量數字金融指數（Index）， 本文以北大數字金融研究中心編制的《數字普惠金融指數》作為數字金融發展程度的衡量指標， 并對該指數進行了歸一化處理。 同時， 該指標又可細分為數字金融的覆蓋廣度（Coverage）、使用深度（Usage）以及數字化程度（Digitization）三個子指標[33] 。

對于模型（1）中所需的控制變量（Control）， 本文參照之前學者的一系列研究， 挑選了部分企業自身變量中與創新風險相關聯的變量。 同時， 鑒于行業因素與年份差異同樣會對企業創新風險造成影響， 本文控制了制造業領域中代表細分行業差異的虛擬變量（Industry）和代表年度差異的虛擬變量（Year）。 除此之外， 模型（1）還分別將j、t設置為企業、年代變量， εj，t設置為隨機擾動項。 所涉及變量的具體含義見表1。

四、實證檢驗

（一）描述性統計

表2為考察期內樣本所用主要研究變量的描述性統計。 從表2中可知， 企業風險作為本文主要被解釋變量， 其最小值為0.0018， 而最大值為0.7462。 這一統計結果說明不同企業存在的風險具有較大差別， 也在一定程度上說明了本文的研究具有重要意義。

（二）相關性分析

表3列示了主要變量的相關系數。 由表3可知， 企業風險與創新投入的正相關性關系顯著， 與假設大體一致， 而企業風險與數字金融總指數以及數字金融的各個細分指數——覆蓋廣度、使用深度與數字化程度的負相關關系同樣顯著， 與本文所提假設也基本相符。

（三）主體回歸結果與分析

表4為模型（1）的回歸估計結果。 其中第（1）列表示的是創新投入與企業風險的敏感性， 其回歸結果在5%的水平上顯著為正， 說明我國制造業企業的創新投入與企業風險之間存在較強相關性， 與預期相符。 第（2）列基于第（1）列引入了作為解釋變量的數字金融總指數（Index）， 第（3）列又基于第（2）列引入了創新投入與數字金融總指數的交叉項（R&D×Index）， 其回歸結果在10%的水平上顯著為負， 即數字金融總指數每增加1%， 企業所面臨的創新風險就相應減少0.26%。 這說明數字金融的完善對創新投入與企業風險二者之間的敏感性起到了抑制作用， 即數字金融發展有助于抑制企業創新風險， 故而本文H1得到了證實。

（四）細分維度回歸結果與分析

進一步研究數字金融與企業創新風險關系， 本文還將數字金融的三類細分維度與企業創新風險分別進行回歸分析， 具體回歸結果見表5。 表5第（2）列基于第（1）列引入了創新投入與數字金融覆蓋廣度的交叉項（R&D×Coverage）， 第（4）列基于第（3）列引入了創新投入與數字金融使用深度的交叉項（R&D×Usage）， 第（6）列基于第（5）列引入了創新投入與數字金融數字化程度的交叉項（R&D×Digitization）。 本文重點考察的交叉項均顯著為負， 說明數字金融覆蓋范圍的不斷擴大、使用的增多以及數字化程度的持續提升都有利于企業整體創新風險的分散， 從而進一步驗證了H1。

（五）內生性與穩健性檢驗

1. 內生性檢驗。 鑒于企業面臨風險的變化可能干擾企業的整體創新投入計劃， 這種反向因果關聯可能給本文的回歸分析造成內生性問題， 并且模型本身也可能產生遺漏變量等內生性問題。 而動態面板（GMM）模型恰好能夠弱化這種由反向因果關聯或遺漏變量所造成的內生性問題， 故本文采用GMM方法再次進行檢驗， 回歸結果進一步驗證了H1。

2. 穩健性檢驗。 ①更換被解釋變量。 國外學者依據Langenmayr等[34] 的研究成果， 傾向于將企業盈利波動的考察期規定為5年或者更長， 而國內學者的研究通常與上市企業高管任期相適應， 將考察期規定為3年。 為進一步驗證回歸結果的穩健性， 本文決定重新測度企業風險， 將模型（2）、（3）中的時限規定為5年， 再做回歸檢驗。 ②更換解釋變量。 替換上述模型中處理解釋變量創新投入（R&D）的方法， 重新利用創新投入總額在企業總資產中的實際占比來度量企業的創新投入規模（R&D'）， 再次進行回歸檢驗。 ③剔除部分樣本城市。 相較于其他省份， 中國四個直轄市擁有較為明顯的經濟特殊性， 為此本文刪除直轄市樣本數據后再次進行回歸檢驗。

上述穩健性檢驗結果與之前的實證結果大體相符， 從而進一步驗證了實證結果的穩健性（限于篇幅， 結果未予列示）。

（六）作用機制檢驗

1. 融資約束。 融資風險是企業創新風險的重要組成部分， 創新研發通常需要持續且大規模的資金投入， 因而創新項目投資對企業外部融資環境的要求往往較高， 而數字金融對企業外部融資約束的緩釋效應能有效降低企業的創新融資風險。 首先， 數字金融能夠借助信息技術低成本、高效地吸收并轉化金融市場不受重視的長尾群體資金， 推出多樣化的金融產品， 拓寬企業的創新融資渠道[11] 。 其次， 數字金融的發展有效改善了我國以銀行為主體的信貸體系。 數字金融提供的新型服務業態， 顯著降低了金融系統的服務成本[35，36] ， 重組了金融行業的運行模式， 促進了金融部門的升級優化， 進而降低了企業的創新融資成本。 基于上述分析， 本文提出以下假設。

H2a： 融資約束的緩解是數字金融抑制企業創新風險的可能機制。

2. 信息不對稱程度。 創新項目往往被視作重要的商業機密， 企業在披露相關信息時尤為謹慎， 因此， 與一般經營活動相比， 企業創新活動具有更高的信息不對稱性。 而數字金融先進的信息收集、處理與傳遞能力， 能夠促使企業創新信息的透明度不斷提高。 一方面， 創新信息透明度的提升能夠降低股東與管理者之間的信息不對稱程度， 也就能大大降低股東對管理者行為的監督成本， 進而通過有效的內部監控機制， 激勵管理者將更多的精力投入創新活動之中[37] ， 主動提升其對企業創新風險的防控能力。 另一方面， 創新信息有效性的提升能降低外部利益相關者對管理者行為的監督成本。 在外部利益相關者的嚴格監督下， 管理者謀取私利的成本與難度上升而自利行為的收益減弱， 管理者憑借信息優勢實施逆向選擇行為的動機下降， 同樣能迫使管理者將更多精力放在創新活動上， 進而顯著促進管理者創新風險管理能力的提升。 基于上述分析， 本文提出以下假設。

H2b： 信息不對稱程度的降低是數字金融抑制企業創新風險的可能機制。

3. 資本錯配。 創新項目高風險以及高投入的特性導致其在傳統金融市場上優勢不足， 金融資源分配時通常更偏好于風險較低、收益穩定的投資項目， 造成最優資本配置效率的偏離。 而數字金融能夠依托數字技術更有效地執行優勝劣汰法則， 有利于金融市場提高對于創新企業風險和收益的辨別與篩選能力， 進而提高金融資源對于創新項目的配置效率[38] 。 創新資本配置的優化能夠對企業的創新風險產生抑制效應。 首先， 創新活動的高投入特性使得企業面臨較高的創新投入風險。 創新資本錯配現象的緩解， 有助于企業以較低成本獲得更多優質創新資本， 從而減輕企業的創新投入壓力， 降低企業的創新投入風險。 其次， 創新資本配置效率的提升有利于企業在創新過程中高效持續投入， 推動創新成果加速轉化， 保障企業對創新項目高額收益的獲取以及市場領先優勢的占據， 實現企業價值的提高， 以此降低企業的創新收益風險。 基于上述分析， 本文提出以下假設。

H2c： 資本錯配的緩解是數字金融抑制企業創新風險的可能機制。

本部分主要驗證上文提出的影響機制H2a、H2b和H2c， 通過構建中介模型， 具體回歸結果見表6。 其中中介變量融資約束（FC）， 所用衡量標準參照張杰等[39] 提出的兩階段計算法， 依據資產增長率與現金流之間的敏感性確定企業的融資約束程度。 中介變量為信息不對稱程度（IA）， 考慮信息不對稱程度集中表現為企業代理成本的變化， 故而本文以代理成本測度企業的信息不對稱程度， 參照李小榮等[40] 的研究方法， 以管理費用在企業主營業務收入中的實際占比（管理費用率）刻畫企業的信息不對稱程度。 中介變量資本錯配（FD）的衡量， 本文則參照邵挺[41] 的研究方法， 采用各企業的資金使用成本相對于其所處行業中平均資金使用成本的實際偏離程度這一度量方式。 其中， 企業本身的資金使用成本采用利息支出在扣除應付賬款余額下的負債總額中所占比例的方法測度。

表6中第（1）列的被解釋變量為融資約束（FC）， 本文重點關注的解釋變量數字金融總指數（Index）顯著為負， 即數字金融能有效緩解企業的融資約束， 與預期一致。 表6中第（2）列報告的是被解釋變量對基本解釋變量和中介變量的回歸結果， 基準回歸模型見表4中的第（3）列。 由于本文基準回歸重點關注的是創新投入與企業風險的敏感性， 因此中介變量為創新投入與融資約束的交叉項（R&D×FC）， 其顯著為正， 從而證明了融資約束中介效應的存在， 即H2a得到進一步支持。

表6中第（3）列的被解釋變量為信息不對稱程度（IA）， 本文重點關注的解釋變量數字金融總指數（Index）顯著為負， 即數字金融能有效緩解企業的信息不對稱程度， 與預期一致。 表6中第（4）列列示的是被解釋變量對基本解釋變量和中介變量的回歸結果。 由于本文基準回歸重點關注的是創新投入與企業風險之間的敏感性， 本列中介變量為創新投入與信息不對稱程度的交叉項（R&D×IA）， 回歸系數顯著為正， 說明信息不對稱程度的增加能加劇企業的創新風險， 從而證明信息不對稱程度中介效應的存在， 即H2b得到進一步支持。

表6中第（5）列的被解釋變量為資本錯配（FD）， 本文重點關注的解釋變量數字金融總指數（Index）顯著為負， 即數字金融能有效緩解企業的融資約束， 與預期一致。 表6中第（6）列列示的是被解釋變量對基本解釋變量和中介變量的回歸結果。 由于本文基準回歸重點關注的是創新投入與企業風險的敏感性， 本列中創新投入與資本錯配的交叉項（R&D×FD）系數顯著為正， 說明資本錯配的惡化同樣能加劇企業的創新風險， 可以證明資本錯配中介效應的存在， 即H2c得到進一步支持。

（七）調節效應檢驗

1. 擴大內需戰略的調節效應。 擴大內需戰略作用于數字金融與企業創新風險關系的調節效應主要通過以下途徑體現： 第一， 在推廣擴大內需戰略的前提下， 市場圍繞產品質量的競爭加劇， 企業在競爭壓力繁榮倒逼效應下具有更強的創新動力。 同時， 數字金融信息管理體系持續優化， 對創新企業信息的整合和分析能力進一步加強， 大大緩解了創新投資者與企業創新項目間的信息不對稱問題， 使得投資者對企業創新風險的監督更為有效， 管理者對創新風險的防控意識也得到顯著提升。 第二， 隨著國內需求穩步提升、市場化進程加快， 政府直接干預創新資本配置的可能性大大減小， 數字金融市場的優勝劣汰法則得到進一步鞏固。 數字金融市場將為潛力較大的創新企業配置更高質量的創新資本， 使得創新資本錯配現象進一步改善， 企業就能夠憑借更多優質資本支持創新項目開發， 并且有更多精力管理和應對企業創新風險。 第三， 數字金融領域的市場化發展， 促進了數字金融機構的良性發展， 數字金融服務更加全面、覆蓋范圍更廣、成本更加低廉， 不僅為企業日益增長的創新融資需求拓寬了渠道， 而且大大降低了創新融資成本， 從而進一步緩解了企業的創新融資壓力， 降低了企業的創新融資風險。 綜上， 擴大內需戰略能夠強化數字金融對企業創新風險的抑制作用。 由此， 本文提出以下假設：

H3a： 擴大內需戰略能夠增強數字金融對企業創新風險的抑制作用。

為研究擴大內需戰略作用于數字金融與企業創新風險之間關系的調節效應， 本文構建了模型（4）， 具體如下：

RiskTj，t=α0+α1RDj，t-1+α2Indexj，t-1+α3RDj，t-1×

Indexj，t-1+α4HMSj，t-1+α5RDj，t-1×Indexj，t-1×

HMSj，t+α6Controlj，t-1+Industry+Year+εj，t-1 （4）

模型（4）中所需的調節變量擴大內需戰略（HMS）， 本文主要參照了馮偉等[42] 的做法， 以本土市場規模這一空間加權平均值衡量所在地區的實際市場需求， 該值和本地與其他地區的收入和成正比， 而和其他地區到該地的距離成反比， 其測度方式如模型（5）：

HMSit=? ? ?（Yit/Dii+Yjt/Dij）? ? （5）

在模型（5）中： Yit與Yjt 分別表示在t時期、i與j省利用支出法計算并減去貨物與服務凈出口部分的地區實際生產總值， 即以本地的市場需求為主; Dij表示i、j兩省省會城市間的距離， Dii則表示i省的內部距離。 以上距離與陸地面積的數據均來自Google的電子版地圖。

為使回歸結果更穩健， 本文使用逐步回歸法， 表7中第（2）列基于第（1）列的研究引入擴大內需戰略（HMS）， 第（3）列則基于第（2）列的研究引入創新投入、數字金融總指數與擴大內需戰略的交叉項（R&D×Index×HMS）。 回歸結果表明， 本文重點考察的交叉項在10%的水平上顯著為負， 由此證明了擴大內需戰略的正向調節效應， H3a也得到驗證。

2. 供給側結構性改革的調節效應。 供給側結構性改革將強化數字金融對企業創新風險的抑制作用， 這種抑制作用能夠表現在以下三個方面： 第一， 供給側結構性改革在金融領域的推行， 使得數字金融市場的高質量有效供給持續增加， 數字金融產品更加多元化， 數字金融支持范圍不斷擴大， 企業創新項目的資本來源更廣泛， 可利用的優質創新資本更多， 獲取成本更低， 獲取程序更加便捷， 數字金融作用于企業創新融資約束的緩解效應更顯著， 企業的創新融資風險大大降低。 第二， 在供給側結構性改革政策的引導下， 政府簡政放權， 使得市場環境的自由競爭程度更高、交易成本更低， 數字金融市場貫徹優勝劣汰法則的效率更高， 回報率較高的投資項目受到更多關注， 市場優質資本的錯配程度大大降低， 更多高質量創新資本被低成本地投向創新項目， 企業的創新投入壓力得到進一步緩解， 創新投入風險也就更小。 第三， 隨著供給側結構性改革的不斷推進， 創新信息的流動性不斷增強， 信息質量也有較大提升， 數字金融篩查有效創新信息、辨別創新項目風險的功能得到更好發揮， 對創新信息的歸集與傳遞也更加及時有效， 由此形成的信息資源將進一步完善創新行為的組織形式， 提升企業對創新項目的綜合考察能力以及對創新風險的防控能力。 綜上所述， 供給側結構性改革有助于增強數字金融對企業創新風險的抑制作用。 由此， 本文提出以下假設。

H3b： 供給側結構性改革能夠增強數字金融對企業創新風險的抑制作用。

為研究供給側結構性改革作用于數字金融與企業創新風險關系的調節效應， 本文構建了模型（6）， 具體如下：

RiskTj，t=α0+α1RDj，t-1+α2Indexj，t-1+

α3RDj，t-1×Indexj，t-1+α4SRSj，t-1+α5RDj，t-1×

Indexj，t-1×SRSj，t+α6Controlj，t-1+Industry+Year+

εj，t-1? ? （6）

模型（6）中的調節變量為供給側結構性改革（SRS）， 鑒于供給側結構性改革實施年份是2015年， 本文采用了張麗華等[43] 的方法， 通過賦值法進行分組， 將2011 ～ 2015年的年份賦值為0、2015 ～ 2018的年份賦值為1。

表8同樣采用了逐步回歸法， 第（2）列基于第（1）列的研究引入了供給側結構性改革（SRS）， 第（3）列則基于第（2）列的研究引入了創新投入、數字金融總指數與供給側結構性改革的交叉項（R&D×Index×SRS）。 回歸結果表明， 本文重點考察的交叉項在5%的水平上同樣顯著為負。 以上回歸結果證明了供給側結構性改革政策也具有正向調節效應， H3b得到驗證。

五、結論與建議

（一）結論

數字金融作為金融領域與數字技術創新融合的全新服務業態， 優化了金融服務實體經濟增長的功能。 本文重點考察了數字金融與企業創新風險間的內在關聯， 得出如下主要結論：

首先， 數字金融縱深發展有助于企業合理分散創新風險， 并且數字金融的三個細分發展領域（覆蓋廣度、使用深度與數字化程度）均與企業創新風險顯著負相關。 其次， 數字金融主要通過緩解企業創新融資約束、降低企業信息不對稱程度以及降低資本錯配程度三大作用機制， 抑制企業的創新風險。 再次， 考慮到新發展格局下擴大內需戰略與供給側結構性改革的制度背景， 無論是本土市場規模擴大還是供給側結構性改革實施， 均能強化數字金融對企業創新風險的抑制效應。

（二）政策建議

結合上述研究理念及結果， 本文提出如下政策建議：

1. 企業要順應數字金融市場發展潮流， 充分利用數字金融工具。 就創新信息而言， 企業應當利用數字金融設置創新信息管理機制， 暢通企業內外部創新信息， 降低企業內外部利益相關者的監督成本， 提升高管的創新積極性與風險管理意識。 就創新資本獲取而言， 企業應當追求創新融資途徑的多元化， 主動了解新興數字金融產品， 調整創新融資結構， 加強與數字金融市場的合作。

2. 政府應當制定有效的支持政策， 激勵數字金融市場優化升級。 政府應繼續推進數字金融體系與相關設施的完善， 拓展數字金融服務的廣度、深度與數字化程度， 充分發揮數字金融的項目評估與資本配置功能， 考察創新項目的可行性， 并將優質金融資源與信息資源分配到優質創新企業， 從而保證數字金融市場切實服務于企業的創新發展。

3. 數字金融領域應當兼顧供需， 緊跟創新驅動策略。 數字金融領域要助力貫徹政府的擴大內需政策， 利用我國本土市場規模持續擴大形成的需求導向調動微觀主體的創新積極性， 依據市場實際需求開展創新活動， 控制創新研發的風險性。 同時， 數字金融領域還要深入發揮供給驅動效應， 推進數字金融市場供給結構優化， 加大數字金融對企業高質量創新融資的支持力度。

【 主 要 參 考 文 獻 】

[1] Lin M.， Prabhala N. R.， Viswanathan S.. Judging borrowers by the company they keep： Friendship networks and information asymmetry in online peer-to-peer lending[ J].Management Science， 2013（1）：17 ～ 35.

[2] Demertzis M.， Merler S.， et al.. Capital markets union and the fintech opportunity[ J].Journal of Financial Regulation，2018（1）：157 ～ 165.

[3] Lee I.， Shin Y. J.. Fintech： Ecosystem， business models， investment decisions， and challenges[ J].Business Horizons，2018（1）：35 ～ 46.

[4] Yin Z.， Gong X.， Guo P.， Wu T.. What drives entrepreneurship in digital economy？ Evidence from China[ J].Economic Modelling，2019（3）：66 ～ 73.

[5] 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（5）：74 ～ 86.

[6] 汪亞楠，徐楓，鄭樂凱.數字金融能驅動城市創新嗎？[ J].證券市場導報，2020（7）：9 ～ 19.

[7] 杜傳忠，張遠.“新基建”背景下數字金融的區域創新效應[ J].財經科學，2020（5）：30 ～ 42.

[8] 徐子堯，張莉沙，劉益志.數字普惠金融提升了區域創新能力嗎[ J].財經科學，2020（11）：17 ～ 28.

[9] 李春濤，閆續文，宋敏，楊威.金融科技與企業創新——新三板上市公司的證據[ J].中國工業經濟，2020（1）：81 ～ 98.

[10] 唐松，伍旭川，祝佳.數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異[ J].管理世界，2020（5）：52 ～ 66+9.

[11] 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.

[12] 喻平，豆俊霞.數字普惠金融、企業異質性與中小微企業創新[ J].當代經濟管理，2020（12）：79 ～ 87.

[13] 聶秀華，吳青.數字金融對中小企業技術創新的驅動效應研究[ J].華東經濟管理，2021（3）：42 ～ 53.

[14] 黃益平，陶坤玉.中國的數字金融革命：發展、影響與監管啟示[ J].國際經濟評論，2019（6）：24 ～ 35.

[15] 何宏慶.數字金融的發展困境與創新進路[ J].甘肅社會科學，2019（1）：166 ～ 171.

[16] Utterback M.. Mastering the dynamics of innovation： How companies and seize opportunities in the face of technological change[M].Boston： Harvard Business School Press，1980.

[17] Burlando T.. Chaos and risk management[ J].Risk Management，1994（44）：54 ～ 61.

[18] Ackermann F.， Eden C.， William T.， Howick S.. Systematic risk assessment： Case study[ J].Journal of the Operation Research

Society，2007（58）：39 ～ 51.

[19] Jose G.， Vargas-Hernandez. Modeling risk and innovation management[ J].ACR，2011（19）：45 ～ 57.

[20] 謝科范.工業技術創新風險綜論[ J].科學技術與辯證法，1994（3）：52 ～ 58.

[21] 袁澤沛，王瓊.技術創新與創新風險的研究綜述[ J].經濟學動態，2002（3）：79 ～ 82.

[22] 傅毓維，姜鈺.高新技術項目投資的風險因素分析與評價[ J].商業研究，2005（13）：103 ～ 105.

[23] 覃浩高，崔劍.企業技術創新風險的類型、成因及對策[ J].商業研究，2002（6）：19 ～ 22.

[24] 李曉峰，徐玖平.企業技術創新的風險管理研究[ J].經濟體制改革，2008（3）：72 ～ 76.

[25] 陳建新，資明貴，劉志龍.BP神經網絡在企業技術創新風險評價中的應用[ J].科技管理研究，2007（10）：88 ～ 91.

[26] Scherer F. M.. Firm size， market structure， opportunity， and the output of patented inventions[ J].American Economic Review，1965（5）：1097 ～ 1125.

[27] Hall B. H.. The financing of research and development[ J].Oxford Review of Economic Policy，2002（1）：35 ～ 51.

[28] 馬連福，杜善重.數字金融能提升企業風險承擔水平嗎[ J].經濟學家，2021（5）：65 ～ 74.

[29] Levine R.. Financial development and economic growth：Views and agenda[ J].Journal of Economic Literature，1997（2）：688 ～ 726.

[30] 靳慶魯，孔祥，侯青川.貨幣政策民營企業投資效率與公司期權價值[ J].經濟研究，2012（5）：96 ～ 106.

[31] 羅黨論，廖俊平，王玨.地方官員變更與企業風險——基于中國上市公司的經驗證據[ J].經濟研究，2016（5）：130 ～ 142.

[32] 孫艷梅，郭敏，方夢然.企業創新投資、風險承擔與股價崩盤風險[ J].科研管理，2019（12）：144 ～ 154.

[33] 郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數字普惠金融發展：指數編制與空間特征[ J].經濟學（季刊），2020（4）：1401 ～ 1418.

[34] Langenmayr D.， Lester R.. Taxation and corporate risk-taking[ J].The Accounting Review，2017（3）：237 ～ 266.

[35] 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（4）：1489 ～ 1502.

[36] Omarini A. E.. Banks and fintechs： How to develop a digital open banking approach for the bank's future[ J].International Business Research，2018（9）：23 ～ 36.

[37] 楊建君，張釗，梅曉芳.股東與經理人信任對企業創新的影響研究[ J].科研管理，2012（3）：36 ～ 41+80.

[38] 唐松，賴曉冰，黃銳.金融科技創新如何影響全要素生產率：促進還是抑制？——理論分析框架與區域實踐[ J].中國軟科學，2019（7）：134 ～ 144.

[39] 張杰，蘆哲，鄭文平等.融資約束、融資渠道與企業R&D投入[ J].世界經濟，2012（10）：66 ～ 90.

[40] 李小榮，張瑞君.股權激勵影響風險承擔：代理成本還是風險規避？[ J].會計研究，2014（1）：57 ～ 63.

[41] 邵挺.金融錯配、所有制結構與資本回報率：來自1999 ～ 2007年我國工業企業的研究[ J].金融研究，2010（9）：51 ～ 68.

[42] 馮偉，李嘉佳.本土市場規模與產業升級：需求側引導下的供給側結構性改革[ J].云南財經大學學報，2018（10）：13 ～ 26.

[43] 張麗華，羅智仁，張軒溧.供給側結構性改革背景下煤炭企業科技創新的金融支持效率研究[ J].華東經濟管理，2019（7）：149 ～ 157.

【基金項目】國家社會科學基金后期資助項目“‘標準化+’助推區域產業轉型升級的影響機制與政策建議研究”（項目編號：

20FJYB031）;山東省自然科學基金項目“虛擬經濟與實體經濟非協調發展對企業投資行為的影響研究”（項目編號：ZR2018BG007）;青島市哲學社會科學規劃項目“新舊動能轉換下混合所有制對青島市國企綠色創新質量的影響與對策研究”（項目編號：QDSKL1901128）

【作者單位】山東科技大學經濟管理學院， 青島 266590。 馬紅為通訊作者