金融科技發展有助于農商行業務回歸本源嗎？
——來自縣域農商行的微觀證據

亓 鵬 韓慶瀟

（1.中國人民銀行萊蕪市中心支行，山東 濟南 271100；2.中國人民銀行濟南分行，山東 濟南 250021）

一、引言

作為金融系統中支農支小的主力軍，農信機構利用自身貼近基層的天然優勢，在服務實體經濟，特別是支持“三農”和“小微”等領域發揮了重要作用。不過，近年來，在農信機構市場化改制全面推進的背景下，由于經營目標更加注重逐利性和市場導向性，疊加農村市場需求的不斷萎縮，部分農信機構在經營定位上出現了“離農脫小”的盲目擴張傾向，“抓大抓強、全面發展、壘大戶”等新問題逐漸顯現，嚴重背離了農信機構市場化改革的初衷，很容易引發風險傳染和連鎖反應等問題。在此背景下，2021年中央一號文件強調“加大對機構法人在縣域、業務在縣域的金融機構的支持力度，推動農村金融機構回歸本源”，這體現出國家層面對農村商業銀行（以下簡稱農商行）脫離業務本源問題的重視，以及對農商行堅守支農支小定位的支持。

與此同時，隨著大數據、云計算、區塊鏈等互聯網技術的迅速發展，普惠金融數字化程度不斷加深，農商行在省聯社的指導下積極“觸網”，基于縣域市場主體的生產和消費需求推出了各類線上產品，為農商行服務進一步下沉和業務回歸本源奠定了基礎。但值得注意的是，農商行對數字技術的應用局限于單一業務環節和單一品類產品，創新能力嚴重不足。而以國有大行為代表的大型商業銀行，憑借長期積累的資金、人才以及技術基礎優勢，數字化轉型升級進程較快，能夠以較低的資金成本挖掘優質企業客戶。特別是在監管引導及優惠政策刺激下，近年來國有大行小微企業貸款利率總體呈大幅下降趨勢，普惠金融領域價格戰逐漸蔓延。面對國有大行的業務沖擊，中小商業銀行被動下調小微企業貸款利率，利潤空間不斷被壓縮。綜上，雖然金融科技的發展有助于農商行回歸縣域法人機構本源，專注支農支小信貸主業，但在市場競爭加劇、自身市場定位偏離以及風險暴露的背景下，農商行能否真正回歸業務本源值得關注與思考。基于此，本文主要探討以下兩個問題：一是金融科技在不同的發展階段，會對農商行本源業務——中小微企業貸款——產生怎樣不同的影響；二是此種影響具體體現在哪個維度。與現有文獻相比，本文的邊際貢獻在于：我們將研究視角聚焦于存在天然劣勢的縣域農商行，有助于了解金融科技迅速發展背景下中小法人商業銀行的生存環境及其面臨的市場競爭壓力，豐富了金融科技對商業銀行影響的相關研究，同時也為既有理論提供了經驗數據的支持。

二、文獻綜述與研究假設

（一）技術溢出效應

梳理現有文獻發現，數字金融與傳統金融的關系大體可分為“替代論”“補缺論”與“互補論”三種觀點。“替代論”認為，數字金融可以有效破解傳統金融中固有的交易成本和信息不對稱等問題（謝平和鄒傳偉，2012），通過商業模式或者技術創新沖擊原有壟斷機構的市場地位（蘇治等，2018），因此，給傳統銀行帶來的負面影響大于正面影響（Beck，2001）。“補缺論”則認為，數字技術的本質只是技術工具的改進，其作用在于提高效率，使金融服務延伸到被傳統金融忽視的弱勢群體，本身并不能鑒別信息真偽，難以解決信息不對稱的問題（王國剛和張揚，2015；汪煒和鄭揚揚，2015）。當前，多數學者支持“互補論”的觀點（劉瀾飚等，2013），即數字技術可以通過技術溢出效應優化傳統金融服務，如改善信息采集方式、風險定價模型以及投資決策過程等，從而激發傳統金融機構的創新活力，帶動交易成本的降低和經營效率的提升（程鑫，2015；劉忠璐，2016；孟娜娜等，2020；王升等，2021），實現家庭信貸擴張和正規金融服務下沉（吳曉求，2015）。事實也證明，金融科技對傳統商業銀行機構的影響已呈現從競爭向跨界競合轉變的趨勢。對于中小商業銀行而言，如城商行，可以憑借在普惠金融領域的先驗優勢，以及“船小好調頭”的特質，迅速與數字金融產生聯系耦合效應，因此，其對外溢技術具有更強的吸收能力（沈悅和郭品，2015）。

（二）市場擠出效應

傳統大型商業銀行具備強勢的客戶基礎并掌握大量的金融數據，借此可以與金融科技巨頭進行優勢互補，在金融服務和產品創新、風險管理等多方面實現數字化轉型升級，進一步擴大業務半徑，從而促進金融服務下沉。而中小法人商業銀行在客戶基礎、經營范圍、系統建設等方面均處于弱勢地位。以農商行為例，其經營范圍一般局限于縣域，競爭優勢主要體現在“長尾”客戶，隨著金融科技的發展以及大型商業銀行金融服務的下沉，其產品創新能力低下的缺陷將被不斷放大，競爭優勢也將被削弱，最終導致市場份額下降（封思賢和郭仁靜，2019）。此外，金融科技的運用縮小了大型商業銀行與中小商業銀行在獲取中小企業信息方面的差距，并借助資金成本優勢對中小商業銀行產生了“掐尖效應”，刺激了中小商業銀行風險水平的上升。麥肯錫發布的《全球數字化銀行的戰略實踐與啟示》也指出，金融科技可以增強大型商業銀行涉足消費金融和中小企業信貸市場的動機和能力（金洪飛等，2020）。

（三）研究假設

金融科技的發展可以通過技術溢出效應對商業銀行支持中小微企業產生正面影響，但逐利性是商業銀行的本質特征，爭奪優質中小客戶是商業銀行的理性選擇，大型商業銀行可能在普惠領域對相對弱勢的農商行形成“降維打擊”，產生一定的掐尖與擠出效應。因此，我們認為金融科技與農商行本源業務——中小微企業貸款——之間可能存在非線性關系，金融科技發展程度較低時，有利于農商行中小微業務規模增長，但發展到一定程度后，則轉為抑制業務規模增長。由此，本文建立以下假設：

H1：金融科技的發展與農商行中小微業務規模之間呈倒U形關系，即金融科技發展程度較低時，正面影響占主導地位；而當發展到一定程度后，負面影響則更為凸顯。

根據監管部門的規定，第三方支付的賬戶如果不綁定銀行卡，就只具備小額轉賬的功能，其功能價值將大幅受限（郭峰等，2020）。因此，僅考慮數字金融的覆蓋廣度，難以真正體現出金融科技的普惠價值。基于此，我們認為，較之數字金融覆蓋廣度，本地區用戶實際使用數字金融服務的情況——即數字金融使用深度，更能體現金融科技在本地區的發展現狀與成效。數字金融使用深度對金融機構的影響具體表現在以下三個方面：第一，只有當用戶實際使用支付、信貸及投資等各類數字金融服務時，才能通過增加對銀行卡等傳統金融載體的應用，為傳統金融機構提供大量可供分析的數據信息，從而便于金融機構對客戶信用、資產條件進行分析與評估（楊波等，2020）。第二，在數字金融服務實際利用率更高的地區，大型銀行的優勢會更加凸顯，比如提供同樣的線上產品服務時，大型商業銀行可以憑借較低的資金成本和利率優勢，積極搶奪優質中小企業客戶。第三，移動終端和在線服務已經開始削弱銀行的用戶黏性，用戶轉換銀行已經不再困難，因此，在市場競爭激烈的地區，農商行優質中小企業客戶更易流失。由此，本文建立以下假設：

H2：金融科技對農商行本源業務的影響主要體現在用戶實際使用數字金融服務情況這一維度，即金融科技使用深度與農商行中小微業務規模之間呈倒U形關系。

三、數據、模型與指標說明

（一）研究樣本與數據來源

作為全國第四個完成農信社銀行化改革的省份，山東省內農商行數量較多，且統計數據能夠滿足連續性與一致性的要求。此外，縣域農商行作為整個農信系統的主要組成部分以及普惠金融業務的主力軍，其“本源業務”的發展情況更具有代表性。因此，我們對山東省94 家縣域農商行進行了問卷調查，剔除數據異常和缺失的樣本，最終選取87 家縣域農商行作為本文的研究對象。此外，考慮到2015年中國人民銀行等十部委聯合印發了《關于促進互聯網金融健康發展的指導意見》，對互聯網金融的概念進行了明確，并設置了業務開展的紅線和準則，自此互聯網金融進入了相對規范的發展階段，因此，我們將時間跨度設定為2015—2019年。需要說明的是，部分農商行由于改制、人員調整等原因，反饋的問卷數據在較早年份存在缺失（共34 個觀察值），因此，最后進入回歸的觀測值為401個。

對于金融科技指標，我們參考尹應凱和艾敏（2020）、侯層和李北偉（2020）、孟娜娜和藺鵬（2021）等的研究，同時考慮到多數地方法人銀行因缺乏研發能力而依靠金融科技公司開發系統、平臺或線上金融產品的現實情況，最終選擇基于國內代表性金融科技機構數據構建的“北京大學數字普惠金融指數”（郭峰等，2020）作為代理變量。該套指數既包括數字普惠金融指數，還包括數字金融覆蓋廣度、使用深度、數字化程度等3 個二級分類指數。特別是數字金融使用深度指數衡量的主要是本地區實際使用數字金融服務的情況，既包括實際使用總量指標（每萬名支付寶用戶中使用這些服務的人數），也包括使用活躍度指標（人均交易筆數、人均交易金額），符合本文研究假設的要求。此外，考慮到解釋變量對被解釋變量的影響通常存在滯后效應，我們將數字普惠金融指數滯后一期。地市特征變量來源于各地市統計年鑒或統計公報、《山東金融年鑒》以及其他互聯網公開數據。

（二）模型設計

根據上文的假設，我們先借助數字普惠金融指數構建二次項，使用普通最小二乘法（OLS）、面板固定效應模型檢驗金融科技與農商行中小微業務規模之間的非線性關系；再運用數字金融使用深度指數構建二次項，檢驗金融科技與農商行中小微業務規模之間的非線性關系是否主要體現在數字金融使用深度這一維度。具體構造以下計量模型：

為被解釋變量，代表縣域農商行中小微企業貸款與各項貸款之比或中小微企業貸款余額的對數；表示數字普惠金融指數；表示數字金融使用深度指數；表示數字普惠金融指數的二次項；表示數字金融使用深度指數的二次項；表示農商行特征變量；表示地市宏觀特征變量。按照上文的理論分析與研究假設，模型（1）中與應當呈顯著正相關關系，與應當呈顯著負相關關系；模型（2）中與應當呈顯著正相關關系，與應當呈顯著負相關關系。

（三）重要指標分析與釋義

1.被解釋變量。從設立初衷的角度看，“三農”和中小微企業是農信機構的業務重心，特別是中小微企業作為實體經濟的重要組成部分，在吸納就業、促進社會穩定等方面的作用日益顯著；從市場競爭的角度看，優質中小企業，特別是規模相對較大的中型企業是大型商業銀行業務下沉主要的爭奪對象。因此，為更好地刻畫出市場競爭加劇背景下，數字普惠金融對農商行本源業務的影響，我們選取中小微企業貸款占比（micro）作為農商行本源業務的衡量指標，選取中小微企業貸款余額的對數（lnmicro）作為替代變量用于穩健性檢驗。

表1：變量定義及解釋

2.核心解釋變量：數字普惠金融指數（index）。“北京大學數字普惠金融指數”精確到縣域層級，能夠與縣域農商行實現一對一匹配。通過對縣域層面數據的初步分析，我們發現山東省縣域數字普惠金融的發展偏慢，特別是實際使用數字金融情況，與全國差距較大。具體來看，縣域數字普惠金融指數由2014年的54.73（平均值）上升到2018年的102.48，年均增長率達到16.98%，低于全國4.22個百分點。分維度看，數字化程度指數年均增長率為26.97%，低于全國4.02 個百分點；數字金融使用深度指數增長率為17.29%，低于全國6.05個百分點；數字金融覆蓋廣度指數年均增長率為13.90%，低于全國3.15 個百分點。此外，與大多數經濟特征一樣，山東省內仍存在較為明顯的地區差異。2018年，83 個縣（區）中綜合指數最高值（煙臺市長島縣）是最低值（德州市夏津縣）的1.19倍。

3.控制變量。本文基于銀行規模、流動性、盈利性等三個方面的考量，分別選取總資產的對數（lnassert）、存貸比（CDB）、資產利潤率（ROA）等三個指標來衡量農商行特征。基于經濟發展水平、產業結構、金融業發展水平、銀行競爭程度以及風險情況等五個方面的考量，分別選取人均GDP 的對數（agdp）、第二和第三產業增加值之和占GDP 的比重（ind）、金融業產值占GDP 的比重（fin）、當地4 家貸款規模最大銀行貸款余額占比（comp）和企業貸款不良率（risk）等五個指標來衡量地市宏觀特征。而之所以選擇地級市這一范圍更大的地區特征變量，一方面，考慮到數據口徑的問題，地級市層面的數據更為整齊完整，撤縣劃區的問題可以忽略；另一方面，因為縣域農商行雖然經營范圍一般難以突破所在縣（區），但在數字金融加速發展以及不同縣（區）之間人員流動頻繁的背景下，其業務開展必然也會受到周邊縣域的影響。

四、計量結果分析

（一）基準回歸結果分析

首先，我們按照一般的研究傳統，在第（1）—（3）列依次加入農商行特征變量以及地市宏觀變量，使用OLS方法對金融科技與農商行本源業務規模之間的關系進行了檢驗。此外，為盡量消除異方差的影響，在第（4）列使用穩健性標準誤進行回歸，結果見表2。

表2：基準回歸估計結果

以第（4）列結果為準，結果表明：數字普惠金融指數的原項系數為正，二次項系數為負，且均在1%的水平上顯著，說明在其他因素不變的情況下，金融科技發展與縣域農商行中小微業務規模之間呈倒U 形關系且該結論具有一定的穩健性。也就是說，金融科技在發展初期，對縣域法人金融機構更好地支持中小企業產生了明顯的促進作用，而當縣域金融科技的發展程度超過某一閾值后，則會對縣域農商行本源業務產生一定沖擊。其根源在于，無論是大中型商業銀行還是縣域農商行，本身均具有商業屬性，對于信用狀況好、抵押物充足的優質中小客戶的爭奪尤為激烈。特別是當金融科技發展到一定程度時，縣域內企業用戶對數字技能的掌握有了顯著提高，以國有銀行為代表的大型商業銀行在普惠金融政策的推動下，憑借技術及成本優勢必然會對農商行傳統業務造成一定沖擊，最為明顯的表現是農商行優質中小企業客戶流失，這也符合大型商業銀行的理性選擇。上述結論為研究假設1提供了初步的經驗證據。

表3 報告了數字金融使用深度指數、覆蓋廣度指數及其二次項對農商行本源業務規模影響的回歸估計結果，估計方法與前文一致。其中，第（1）至（3）列的核心解釋變量為數字金融使用深度指數，第（4）列的核心解釋變量為數字金融覆蓋廣度指數。需要說明的是，鑒于普惠金融數字化程度指數在該指標體系中代表發展數字普惠金融的潛在條件，而使用數字金融深度則代表實際使用情況（郭峰等，2020），因此，前者對本文研究對象的影響屬于間接影響，且無明顯的研究意義，故不再加入回歸。

表3：基準回歸估計結果

我們以第（3）和（4）列結果為準，研究表明：數字金融使用深度指數的原項系數為正且在10%的水平上顯著，二次項系數為負且在1%的水平上顯著，說明使用深度指數與縣域農商行中小微業務規模之間同樣呈倒U形關系。覆蓋廣度指數無論是一次項還是二次項均不顯著。之所以會出現這樣的結果，本文認為，一方面，是因為近年來覆蓋廣度指數趨同趨勢更為明顯；另一方面，是因為使用深度指數更能體現本地區居民對數字金融服務的實際有效使用，以及對更高層次金融服務的有效需求。上述結論為假設2 提供了進一步的經驗證據。

其次，我們使用面板固定效應模型，同時參考Lind 和Mehlum（2010）提出的3 個判斷是否存在U形或倒U形關系標準，對上述結論進行驗證：（1）二次項系數顯著：面板固定效應模型下數字普惠金融指數二次項系數在1%的水平上顯著（見表4）；（2）核心解釋變量在樣本區間內最小值和最大值對應的系數顯著且與U形或倒U形最左端和最右端的斜率方向相符：經檢驗，數字普惠金融指數最小值和最大值的系數分別為0.530 和-0.832，方向相符且均在1%的水平上顯著；（3）臨界值的95%置信區間在樣本數據范圍內：數字普惠金融指數臨界值的95%置信區間為［63.9，72.5］，處于樣本數據區間［35.5，120.4］中。使用深度指數在面板固定效應模型下的檢驗結果也全部符合上述標準，在此不再贅述。

表4：面板固定效應模型回歸估計結果

最后，我們通過作圖說明在考慮數字普惠金融指數或數字普金融使用深度取值范圍的前提下，倒U形關系依然成立，具體詳見圖1 和圖2。其中，左右兩條實線代表最小值和最大值所在位置，中間虛線代表拐點值所在位置。從圖中可以看出，基于數字普惠金融指數的曲線拐點為68.5，基于數字金融使用深度指數的曲線拐點為80.8，兩者均位于最小值與最大值之間。綜上，我們認為上述倒U形關系真實存在。

圖1：假設1倒U形圖示

圖2：假設2倒U形圖示

（二）分組回歸分析

如前文所述，金融科技可以通過技術溢出效應優化傳統金融服務，從而有助于出現“離農脫小”問題的農商行回歸業務本源。但是，大型商業銀行同樣可以借助金融科技實現業務下沉，并可以憑借較低的資金成本優勢，在普惠金融市場上對農商行產生掐尖和擠出效應，這也是出現倒U形關系的主要原因。為了驗證這一內在機理，即銀行市場競爭對上述倒U形關系的調節效應，我們利用當地4 家貸款規模最大銀行貸款余額占比這一指標的中位數（44.23）將樣本內觀察值分為“高競爭”（comp≤44.23）與“低競爭”（comp＞44.23）兩組，然后使用面板固定效應模型，同時控制個體效應和時間效應進行回歸分析，結果見表5。

表5：面板固定效應模型分組回歸估計結果

從表5 的實證結果來看，高競爭組與低競爭組存在明顯的異質性，說明銀行市場競爭對上述倒U形關系存在一定的調節效應。在高競爭組，無論是數字普惠金融指數還是數字金融使用深度指數，其一次項和二次項系數均在1%的水平上顯著，系數方向與表3一致，拐點值分別為87.6 和106.7，均位于最小值與最大值之間。說明在市場競爭激烈的區域，大型商業銀行傾向于運用金融科技積極搶奪優質中小企業用戶，從而對農商行本源業務產生沖擊。而在低競爭組，核心解釋變量的系數均不顯著，說明在低競爭區域，囿于大型商業銀行在信貸市場的壟斷性優勢，金融科技的作用并不明顯。這也從側面說明，金融科技的作用可能存在夸大宣傳的現象，一方面，金融科技并沒有大幅降低資金成本的作用，僅能削弱部分操作成本；另一方面，金融科技也沒有改善借款人信用狀況的能力。

五、穩健性檢驗

（一）更換模型

一般而言，傳統金融機構經營的各類貸款業務往往受上期影響較大，為避免可能存在的內生性問題，同時也為了有效刻畫農商行支持中小微企業的持續性動態過程，本文使用動態面板數據模型中的兩步廣義系統矩估計（two-step system GMM）模型對假設1 和假設2進行穩健性檢驗。計量模型如下：

模型中， micro表示被解釋變量的滯后一期。此外，表示農商行特征變量，表示地市宏觀特征變量，具體變量含義與上文相同。全樣本回歸結果見表6，被解釋變量滯后一期在1%的水平上顯著，AR（2）的結果表明系統GMM 不存在二階自相關，sargan 檢驗也證明模型不存在過度識別問題，因此，可以認為本文的模型設置合理。

表6：系統GMM模型回歸估計結果

第（1）列報告了針對假設1 的回歸分析結果。結果顯示：數字普惠金融指數的系數為正，二次項系數為負，分別在5%和1%的水平上顯著，且拐點值為67.1，位于最小值與最大值之間。說明在控制被解釋變量前一期影響的條件下，金融科技發展與縣域農商行中小微業務規模之間呈倒U 形關系的結論依然成立，為研究假設1 提供了更為可靠的經驗證據，進一步支持了我們的結論。第（2）列報告了針對假設2的回歸分析結果，結果表明：使用深度指數的系數為正，二次項系數為負，均在1%的水平上顯著，且拐點值為114.3，位于最小值與最大值之間，說明在控制被解釋變量前一期影響的條件下，金融科技使用深度與縣域農商行中小微業務規模之間呈倒U形關系的結論依然成立。此外，為進一步驗證較之其他維度，金融科技使用深度對于農商行業務的影響占主導地位，我們除了使用表3 中的覆蓋廣度指數，還進一步加入數字化程度指數分別進行回歸，發現兩者均不顯著，從而為研究假設2提供了更為可靠的經驗證據。

表7 報告了本文利用系統GMM 模型進行分組檢驗的結果。結果顯示，被解釋變量滯后一期在1%的水平上顯著，AR（2）的結果表明系統GMM 不存在二階自相關，sargan 檢驗也證明模型不存在過度識別問題，因此，我們的模型設置合理。從表7 的實證結果來看，高競爭組與低競爭組存在明顯的異質性。在高競爭組，無論是數字普惠金融指數還是數字金融使用深度指數，其一次項和二次項系數均在5%以上的水平上顯著，系數方向也與基準回歸一致，且拐點值分別為67.8 和69.2，均位于最小值與最大值之間。而在低競爭組，核心解釋變量的系數均不顯著。上述結果進一步說明金融科技在高競爭組作用明顯，而在低競爭組作用較小，為我們對內在機理的檢驗提供了進一步的經驗證據，同時也說明在競爭激烈的區域，農商行競爭力不足的劣勢將被進一步放大。

表7：系統GMM模型分組回歸估計結果

（二）更換被解釋變量

本文借鑒Cole 等（2004）和劉忠璐（2018）的做法，將被解釋變量更換為中小微企業貸款余額的對數（lnmicro），對上述結論進行穩健性檢驗，全樣本回歸結果見表8。其中，關鍵變量的系數方向和顯著性與既有結論高度一致，且拐點值均位于最小值與最大值之間。雖然使用深度指數原項系數的顯著性在系統GMM 模型中有所降低，僅在10%的水平的上顯著，但綜合來看，本文認為我們的結論仍具有一定的穩健性。

表8：更換被解釋變量后的回歸估計結果

此外，表9報告了分組檢驗的結果。結果顯示，以中小微企業貸款余額的對數為被解釋變量的回歸結果，與中小微企業貸款占比作為被解釋變量的結果高度一致，即高競爭區域與低競爭區域仍存在明顯的異質性。

表9：更換被解釋變量后的分組回歸估計結果

（三）更換分組界點

基于穩健性考慮，我們更換分組界點對既有結論進行驗證，以當地4 家貸款規模最大銀行貸款余額占比的平均值（44.83）將樣本內觀察值分為“高競爭”（comp≤44.83）與“低競爭”（comp＞44.83）兩組，然后進行回歸分析。實證方法與前文一致，其結果與既有結論高度一致（見表10、表11）。

表10：以樣本均值為分組界點的回歸估計結果

表11：動態面板回歸估計結果

六、結論與建議

本文運用2015—2019年山東省87 家縣域農商行數據以及北京大學數字普惠金融指數，考察了金融科技的發展對農商行本源業務——中小微企業貸款——的影響。研究表明：數字普惠金融指數與農商行中小微業務規模之間呈倒U形關系，說明金融科技發展程度較低時，有利于農商行中小微業務規模增長，但當其發展到一定程度后，則轉為抑制業務規模增長。從金融科技的二級分類指標來看，只有數字金融使用深度指數與農商行中小微業務規模之間同樣呈倒U形關系，說明當前金融科技主要通過數字金融使用深度這一維度對農商行產生影響。從業務競爭程度來看，高競爭組與低競爭組之間存在明顯的異質性，說明銀行市場競爭對上述倒U形關系存在一定的調節效應。

基于上述研究結論，本文提出以下政策建議：一是支持引導金融科技健康可持續發展。金融監管部門應加強頂層設計和總體規劃，鼓勵縣域法人金融機構積極利用信息技術優化信貸資源配置，提升風險管控能力。同時，我們的實證結果表明，目前金融科技的正向作用有限，為避免不法分子利用一些技術名詞來夸大宣傳以達到非法目的，監管部門應引導社會公眾正確認識金融科技的定位與作用，有效提升城鄉居民金融素養。二是加強對縣域農商行風險的監管。研究表明，大中型商業銀行在小微信貸市場上可能存在對小銀行的擠出效應，因此，監管部門應強化對農商行的風險預警，同時加強對縣域重點企業經營狀況的監測，特別關注重點企業之間的關聯交易和資金鏈，促進銀企協調發展。三是省級層面應加強與金融科技公司的合作。省聯社應充分認識到農信系統數字化轉型的必要性，積極與金融科技巨頭建立戰略合作關系，利用其技術優勢搭建系統平臺，為全省農商行（農信社）提供服務。四是進一步細分市場，實現差異化競爭。縣域農商行應充分發揮自身人緣地緣的優勢，從金融服務上尋找突破口，與大中型商業銀行形成錯位競爭，比如差異化發展社區銀行，占領目前農村金融服務的空白點。

①鑒于該套指數在不同年份覆蓋的縣域數量有所差別，本文以時間跨度達到連續5年的83 個縣域為例計算平均值，與全國數據進行對比。