商業銀行數智金融與企業結構性去杠桿：來自面板數據與fsQCA的研究

夏天添，王慧

（1.江西科技學院，江西 南昌 330000；2.江西省區域發展研究院，江西 南昌 330000）

引言

“十三五”以來，我國金融資源過度傾斜國有企業，致使可用于民營企業的金融資源匱乏，“融資貴、融資難”成為我國各大民營企業共同關注的話題，這也變相印證了金融賦能對我國實體經濟的助力亦有所減弱[1]。2018 年4 月2 日，中央財經委工作會議強調了“打好防范化解金融風險攻堅戰”，首次提出了“結構性去杠桿”的概念，并強調“要降低國有企業杠桿率，規避系統性金融風險，保障民營企業的融資需求”[1]。因此，如何在新時代背景下，加快企業結構性去杠桿進程，成為目前我國進一步釋放金融市場活力，推動經濟高質量發展的關鍵。

隨著新一輪技術革命浪潮沖擊，數字經濟在我國金融行業中得到了廣泛應用，區塊鏈、大數據、云計算等數字技術與金融業務的深度融合，深化了數字金融的業務邊界與服務內涵，“數智金融”由此孕育而生[2]。2021 年6 月，浙江省在《浙江省金融業發展“十四五”規劃》中，率先提出了“數智金融”的概念[3]。從定義上來看，數字金融是由傳統金融業務數字化轉型所衍生的投融資、支付、征信等數字化金融業務模式[3]；而數智金融則是在傳統金融業務的數字化轉型基礎上，通過AI、機器學習等人工智能算法（工具），為金融機構的相關金融業務開展提供最優決策、評價與規劃，其中，“智能化”是數智金融的核心[4]。數智金融可以借助人工智能技術，依托金融業務相關情境，圍繞業務涉及組織（含核心企業、供應鏈上下游企業、擔保企業、二級平臺等）收集相關數據，并在獲取足夠當量的金融數據后，提取關鍵數據，形成科學決策與評估結論，從而為金融機構進一步拓展業務邊界與提高資金安全保障，提供了實現的可能[4]。

由此而言，數智金融是數字金融持續創新的下一階段，是助力我國金融服務迭代創新的必然趨勢。那么，“數智金融能否加快改善金融資源錯配，推動企業結構性去杠桿？”這一問題的厘清有助于進一步明確商業銀行數智金融與企業結構性去杠桿之間的影響機制，是我國商業銀行發展數智金融的理論支撐。然而，在對以往相關研究進行分析后，發現了以下不足之處：

1.忽視了“智能化”的金融業數字化轉型初衷。前人多停留于對數字金融層面的作用討論，即過分關注數字金融在支付、信貸、理財、投資等業務的數字化轉型問題，以及由此產生的應用性研究，卻少有學者從數智金融視角，審視智能化對宏觀經濟或微觀企業的助益及干預機制，忽視了“智能化”這一金融機構或金融業務的數字化轉型初衷[5]，這也為本研究的理論貢獻提供了實現的可能。故而，本研究將參考金洪飛等人的呼吁[5]，從金融業務的智能化角度入手，討論數智金融對企業部門的干預機制。

2.忽視了數字普惠金融指標的局限。現有研究在指標觀測上，多采用北京大學編制的數字普惠金融指數觀測樣本企業所在地域的數字金融的代理變量，但該指數的樣本來源為支付寶的支付系統，其內置研究樣本多為一般民眾與個體工商戶，而上市企業的主要融資渠道是銀行，其二者間亦存在矛盾之處。故而，本研究為保障研究設計的科學性，將參考羅斌元等人的思路[6]，利用大數據技術構建商業銀行層面的數智金融指標，并依照上市公司的信息披露數據，匹配企業與各大商業銀行的年貸款數據均值[7]，作為測算對應企業的貸款商業銀行數智金融指標。

3.忽視了數智金融的過程機制。以往研究大多證實數字金融有助于賦能實體經濟高質量發展，并對此展開了諸多有意義的探索，如數字金融對金融機構的業務效率提升[8]、對企業融資約束的緩解[9]、對企業創新的支持[10]等。但多為凈效應的討論，忽視了對過程機制的討論，更鮮有研究將金融機構與融資企業同時納入分析框架，以檢視金融機構的數智金融對實體企業融資的影響過程機制。而張一林等人的研究證實，數智金融的智能化賦能，可以通過進一步完善其金融業務的信用評價與風險防控，精準控制對貸款企業的授信額度及信貸風險[11]。故而，本研究將一并討論數智金融對企業結構性去杠桿的過程機制影響。

綜上所述，本研究將基于信貸技術理論與動態能力理論，以我國滬深兩市的上市公司與商業銀行為樣本，通過構建面板回歸模型與fsQCA 分析（模糊集定性比較分析），揭示商業銀行數智金融對企業結構性去杠桿的影響“黑箱”及其過程機制。

本研究的邊際貢獻主要包括：（1）構建了“數智金融—企業結構性去杠桿”的理論框架，揭示了金融機構的數智金融對實體企業結構性去杠桿的影響“黑箱”，豐富了數智金融領域的研究內涵。（2）檢視了數字普惠金融指數的不足之處，驗證了數智金融指數的觀測機制的科學性，為后續學者提供了一個可參考的觀測范式。（3）從信用評價機制優化與風險防控機制完善的過程性視角，詮釋了數智金融對企業結構性去杠桿的路徑影響機制，并提出了2個基于商業銀行數智金融的企業結構性去杠桿方案，為我國進一步打好防范化解金融風險攻堅戰，提供了理論支撐與決策依據。

一、研究假設

（一）數智金融與企業結構性去杠桿

根據信貸技術理論，商業銀行主要依靠“硬信息”（企業財務信息、貸款抵押（質押）、貸款擔保等）與“軟信息”（管理者背景、企業能力與行業趨勢等），對貸款企業的信用進行評價與決策[12]。對我國國有企業而言，“共和國長子”擁有與生俱來的政治背景，享受著各級政府機關的隱性擔保，并具備更多可用于信貸抵押的資產，商業銀行亦對國有企業的信貸需求，有著極高的業務熱情[13]。然而，對我國民營企業而言，由于在資產、信用和企業實力等方面的不足與局限，在信貸獲取方面亦無法與國有企業同日而語[14]；尤其在實際業務中，商業銀行或多或少會出于信心不對稱，即無法有效對民營企業信用或價值進行有效評價[9]，繼而導致商業銀行為規避信貸資金風險，漠視了民營企業的融資需求，而將企業部門的更多金融資源，傾斜于國有企業，以造成企業結構性杠桿錯位[7]。

為此，國務院、中央財經委在“十三五”期間，先后提出了“去杠桿”[15]與“結構性去杠桿”的金融改革目標[1]。但與“去杠桿”不同的是，結構性去杠桿的目的在于，優化企業部門的杠桿率，使其達到兼顧“留好杠桿”和“去壞杠桿”的均衡杠桿率，即實現削弱過度負債的國有企業資產負債率，以避免企業部門的金融資源浪費，并同時要保留績優民營企業的資產負債率，以進一步保存企業發展優勢[7]。基于這一目的，以往研究主要立足經濟形式[16]、貨幣[17]、稅收[18]、宏觀經濟政策[19]等角度，討論了企業結構性去杠桿的對策及干預機制。但由于前人多聚焦于宏觀上的干預機制，忽視了商業銀行的逐利性，即若無法改變商業銀行對民營企業的信貸意愿，諸如調整商業銀行信貸戰略趨勢、補齊金融資源配置短板等政策干預機制猶如“空中樓閣”，亦難從本質上根除企業杠桿錯位的“頑疾”。

隨著我國數字經濟與實體經濟的不斷深化，數智金融的出現為我國企業結構性去杠桿帶來了新選擇。“十三五”以來，我國各大商業銀行如雨后春筍般推動了自身組織及金融業務的數字化轉型，大數據、區塊鏈、云計算等數字技術，幫助商業銀行打破了傳統業務在時間、空間與效率上的瓶頸，實現了數字金融轉型[9]；而AI、機器學習、邊緣計算等人工智能算法（技術）更是將商業銀行金融業務的數字化轉型步伐，推進了智能化門檻[6]。張一林等人的研究證實，數字化轉型確可在信貸決策數據挖掘、風險防控、業務模式等方面，提高商業銀行的金融業務效率與能力[11]；該觀點亦得到了后續學者的印證與認可，如陸岷峰等人的研究發現，商業銀行數字化信貸業務不僅在用戶（貸款企業）的滿意度、使用意愿、便捷性等方面，比傳統信貸業務有了顯著的增長或優化，更在信貸資金的安全保障和風險監控上，有著較高的穩定性[20]。然而，羅斌元等人則認為，商業銀行的業務數字化并未發揮“數字經濟”應有之功效，應在商業銀行金融業務數字化轉型的基礎上，進一步探索數字技術的“智能化”賦能及其作用機制[6]。同時，張金清等人的研究也證實，數字技術的智能化機制或賦能，可以更好地處理海量的數據池，提高數據分析精度，進而實現組織對業務數據流的實時監控，并同時為組織提供更好的業務決策，或是在突發事件沖擊下，為組織提供科學的應急方案組合[7]。

由此而言，數智金融作為數字金融的深化階段，可為商業銀行提供更加精準的信貸信息挖掘評價，或是對貸款企業做出更加精確的信貸畫像，從而提高商業銀行對民營企業的信貸意愿與支持力度，并由此進一步引導企業部門的金融資源流向有融資需求的績優民營企業，以均衡我國企業部門的結構性杠桿錯位。故而，本研究提出下列研究假設：

H1：數智金融與企業結構性去杠桿之間存在顯著的正向影響。同時，數智金融對數字金融存在顯著的替代效應。

（二）信用評價的中介作用

根據動態能力理論，數智金融的智能化賦能，給予了商業銀行更加精準的信用評價能力。具體而言：

1.在數據收集方面。Goldstein等人認為商業銀行可通過物聯網、大數據挖掘、區塊鏈等數字技術，收集大量有關貸款企業的信用數據，以用于對其的信用評價[21]。該觀點雖得到了大量以往研究的證實，但卻忽視了智能化對其的效率提升機制。如陸岷峰等人的研究發現，大數據挖掘僅能依據人工設置的關鍵詞，收集相關信息（數據），但依舊會存在信息缺失，而人工操作亦無法及時、高效的解決這一關鍵問題[20]。而張一林等人的研究則證實了在數智金融賦能下，商業銀行可同時借助數字技術與數智技術，進一步完善替代性數據的收集機制，從而收集包括信貸企業及其社會網絡關系在內的各種多元化數據（含替代性數據），為后續做出更加精準的信用評價夯實基礎[11]。

2.在數據分析方面。鑒于貸款企業的唯一性特征，商業銀行往往通過人工預設的信用評價機制亦存在一定疏漏[11]。然而，在數智金融的賦能下，通過融合數字技術與數智技術，對數據池中的數據進行非線性關系的智能化識別與判斷，高效過濾無效數據，抓取有效數據，并為缺失值提供替代性數據，致力還原貸款企業的真實信用寫照[5]；同時，區塊鏈、物聯網的溯源和動態監控成了可實現的目標，亦有效降低了商業銀行對企業“硬信息”的依賴。

由此而言，數智金融能夠幫助商業銀行實現“軟信息”對“硬信息”的機制替代，從而讓商業銀行的信貸業務邊界拓及“長尾”群體，讓一系列受傳統信貸模式抵觸的績優民營企業獲得金融資源支持，并減少對盈利能力較差的國有企業的金融支持，如此便可有效推動企業部門的結構性去杠桿。故而，本研究提出下列研究假設：

H2：信用評價會在數智金融與企業結構性去杠桿的正向關系中，起到顯著的中介作用。

（三）風險控制的中介作用

根據動態能力理論，數智金融的智能化賦能，給予了商業銀行更加精確的風險控制能力。數智金融促進了商業銀行的風險控制模式改革，讓以抵押（質押）、擔保等“硬信息”為核心的風險控制模型，逐步轉變為以“軟信息”（信用）為驅動的風險控制模式[9]。如此一來，我國企業部門的結構性杠桿錯位，亦將隨商業銀行的風險控制模式改變，而趨于均衡。具體而言，數智金融的風險控制模式主要有兩類：

1.數智信貸風險控制模式。該模式主要借助數智化的信息處理優勢與智能算法優勢，構建動態信貸風險的識別機制[22]、預警機制[8]和保障機制[7]，從而精確地預測貸款企業的可能性信用風險，并基于此制定相應防控方案，以加強商業銀行對民營企業的信貸支持意愿與力度，從而加快企業結構性去杠桿進程。

2.數智供應鏈金融風險控制模式。該模式主要借助數智金融在區塊鏈及物聯網方面的技術優勢，一方面，通過區塊鏈溯源技術保障供應鏈數據，約束企業信息披露違規行為，保障資金流向數據的溯源與動態性[23]；另一方面，亦可通過供應鏈金融的上下游企業信用的動態變化，反向預測貸款企業的信貸資金使用安全及償債能力等，從而實現商業銀行對資金安全風險的全面性動態監控[24]。

由此而言，數智金融的賦能讓商業銀行即使在民營企業缺乏相關抵押或擔保的門檻條件下，依舊可以借助精確的風險控制能力，為民營企業提供信貸支持。這既符合了商業銀行自身的利益訴求，更將金融資源有效的配置到了績優民營企業，緩解了我國企業部門的結構性杠桿錯位。故而，本研究提出下列研究假設：

H3：風險防控會在數智金融與企業結構性去杠桿的正向關系中，起到顯著的中介作用。

二、研究設計

（一）模型設定

本研究參考相關學者做法[13]，通過構建面板回歸模型，以驗證數智金融對企業結構性去杠桿的影響機制。

其中，E-SD（企業結構性去杠桿）為被解釋變量，DI-F（數智金融）為解釋變量，C為控制變量，i 為第 i 家企業，t 為第 t 年，ε 為隨機誤差項，Ind 為行業控制，Y 為年份控制。鑒于商業銀行的數智金融對企業結構性去杠桿的影響效果，應存在一定的滯后性，故本研究對DI-F 進行了滯后一期處理。如公式（1）所示，β1為正向顯著，則說明H1的假設成立。

同時，為進一步探究信用評價與風險控制的中介作用，本研究參考龔強等人的做法[24]，構建了下列中介效應模型。

其中，CE（信用評價）和R（風險控制）為中介變量，若公式（2）和公式（3）中，β2為正向顯著，且95%CI 的區間效應成立，則說明H2和H3的假設成立。

（二）變量界定

1.企業結構性去杠桿（E-SD）。本研究參考相關學者的做法，采用樣本企業的資產負債率觀測企業結構性去杠桿[25]。并采用企業短期結構性去杠桿（流動負債與總資產之比）和企業長期結構性去杠桿（非流動負債與總資產之比），作為替代變量進行穩健性檢驗。

2.數智金融（DI-F）。在數智金融的觀測上，以往研究主要采用兩種方式：一種是直接采用北京大學編制的數字普惠金融指數，該方式覆蓋面廣，并下至區縣[10]；而另一種則是采用數據挖掘的方式，根據商業銀行公開披露的數據中，有關數智金融的詞頻，該方法統計方式靈活，且數據來源多元化，可兼具數字普惠金融指數的各項優點（盛天翔和范從來，2020）。故而，本研究參考相關學者的建議[26]，利用Python技術爬取我國各大商業銀行的數智金融信息，并匹配企業的融資渠道，加權合成商業銀行的數智金融指標。具體做法為：首先，本研究以AI、機器學習、區塊鏈、云計算等8 個詞語作為數智金融的關鍵詞。其次，利用Python 技術爬取2016—2020 年我國各大商業銀行的數智金融關鍵詞詞頻，并按照商業銀行和年份分別整理。再次，利用熵值法測算各指標之權重，并聚合為商業銀行的數智金融指標。最后，對照企業每年在各融資渠道所募集的貸款總量比例，將各大商業銀行的數智金融指標進行加權處理，以聚合成對應企業的數智金融指標。此外，為驗證本研究所提出之觀測方法的有效性，特以2016—2020 年各大上市商業銀行的年報為樣本，進行穩健性檢驗。結果顯示，熵值法所構建的數智金融指標與年報版本的指標相關性達到80%，這也從側面印證了該觀測方法的科學性。

3.信用評價（CE）。本研究參考相關學者的做法[13]，采用樣本企業的總資產收益率，以觀測商業銀行的信用評價質量。并同時采用凈資產收益率和投資回報率作為穩健性檢驗的替代變量。

4.風險防控（R）。本研究參考相關學者的做法[7]，采用樣本企業的不良貸款率進行觀測。

5.控制變量。本研究參考相關學者的做法[27]，以企業規模（Size）、固定資產（FA）、成長能力（G）、組織性質（PE）作為企業層面的控制變量，以地市級經濟水平（GDP）、數字金融（FD）、貨幣政策（MR）、資本結構（TE）作為宏觀層面的控制變量。

（三）數據來源

本研究以我國2016—2020 年滬深兩市的上市公司為樣本。其中，企業數據來源于國泰安CS?MAR 數據庫和Wind 金融數據庫；銀行數據來自BankScope 數據庫，以及百度新聞的數據爬取。宏觀經濟數據來源于國泰安CSMAR 數據庫和北京大學編制的《中國數字普惠金融指數》。

本研究在剔除了總樣本中的ST 企業樣本、金融類企業樣本、外資企業樣本、集體及公共類企業樣本、杠桿率高于100%的極端樣本后，共得到了2026 家企業（含715 家國有企業）與98 家商業銀行的10440 條數據，并按照0.01 進行縮尾處理。同時，各主要變量的相關性系數在0.013~0.304 之間呈現顯著，且VIF系數均低于閾值門檻，說明多重共線性對此的影響較低。

三、假設檢驗

（一）基準回歸檢驗

1.直接作用檢驗。根據表2 的M1 列結果可知，數字金融與企業結構性去杠桿之間正向影響顯著（β=0.242，P<0.05），說明數智金融能夠推動企業結構性去杠桿。同時，根據表2 的M4 列的結果可知，將數智金融移除后，數字金融作為解釋變量時，雖能夠顯著影響企業結構性去杠桿，但影響程度亦與數智金融有所差距，說明數智金融對數字金融存在一定的替代效應。故H1的假設得到了支持。

表1 變量定義

2.中介作用檢驗。根據表2 的M2—M3 列結果可知，在數智金融與企業結構性去杠桿之間的正向影響關系中，信用評價的中介作用顯著（β間接=0.087，P<0.01，95%CI[0.077，0.098]），說明數智金融可以通過完善信用評價機制，精準預測企業盈利能力，進而推動企業結構性去杠桿，H2的假設得到了支持；同時，在數智金融與企業結構性去杠桿之間的正向影響關系中，風險防控的中介作用顯著 （β間接=0.074，P<0.01，95%CI[0.066，0.083]），說明數智金融可以通過強化風險防控機制，精確控制企業資金風險，進而推動企業結構性去杠桿，H3假設得到了支持。

表2 假設檢驗結果

（二）穩健性檢驗

1.替換核心變量。首先，本研究以企業短期結構性去杠桿與企業長期結構性去杠桿作為替換變量，分別進行假設檢驗；結果顯示：數智金融依舊可以推動企業短期結構性去杠桿（β=0.169，P<0.01）和企業長期結構性去杠桿（β=0.076，P<0.01），進一步驗證了H1的假設。其次，本研究以凈資產收益率和投資回報率，分別作為信用評價的替換變量進行中介效應檢驗；結果顯示：以凈資產收益率作為信用評價的觀測指標時，中介效應最為顯著 （β間接=0.087，P<0.01，95%CI[0.073，0.092]），而投資回報率則相對較低 （β間接=0.076，P<0.01，95%CI[0.078，0.093]）。

2.分樣本檢驗。首先，本研究按照地域范圍，將樣本劃分為華東、華南、華中和其他四組，并分別展開檢驗；結果顯示：在華東（β=0.231，P<0.01）、華中 （β=0.206，P<0.01） 與華南 （β=0.198，P<0.01）地區，數智金融的企業結構性去杠桿效果最為顯著，而其他（β=0.063，P<0.05）則影響效果相對較弱。其次，本研究按照企業所屬行業，將樣本劃分為制造業、建筑業、化工業、生物制藥業與其他五組，并分別展開檢驗；結果顯示：數智金融的企業結構性去杠桿效果，對制造業樣本的影響最大（β=0.259，P<0.01），而對其他行業的影響，則相對均衡（β=0.057~0.201，P<0.05）。

3.內生性檢驗。首先，鑒于企業結構性去杠桿的連續性，本研究參考相關學者的建議，將企業結構性去杠桿的滯后一期作為工具變量進行檢驗；結果顯示：數智金融依舊正向顯著影響企業結構性去杠桿（β=0.205，P<0.01）。其次，本研究參考宋敏等（2021）的做法，以2018 年正式提出“結構性去杠桿”為基點，按照“數智金融為連續變量，2018 年之后的年份為1，其他為0”的設置進行DID 檢驗（雙重差分模型檢驗）；結果顯示：數智金融可顯著推進企業結構性去杠桿（β=0.224，P<0.01），而2018 年之前則不顯著（β=0.107，P>0.1），說明政策實施前各組間無差異，但實施后其系數顯著，說明政策實施產生顯著的干預效應。

（三）模糊集定性比較分析（fsQCA分析）

本研究以我國滬深兩市的上市公司為樣本，討論了商業銀行的數智金融賦能對企業結構性去杠桿的推動作用與影響機制。但諸如“數智金融究竟如何提升商業銀行對績優民營企業的信貸意愿與支持力度”等問題，依然沒有得到解答。故而，本研究將按照杜運周等（2020）的建議，引入模糊集定性比較分析的組態分析機制，以展開更進一步的探索。具體步驟為：

1.根據表2 的結果可知，數智金融、信用評價、風險防控、數字金融等8個變量，能夠顯著影響企業結構性去杠桿。故而，在對以上條件變量進行必要性檢驗后發現，數智金融等8個變量均不構成單一性影響變量，說明存在前因變量組合的可能。

2.本研究按照95%、50%和5%的標準對上述變量進行校準，并將約束條件設置為0.8 和1，最終得到了2個高績效的組態方案；其中，方案1和方案2的組態一致性分別為0.854和0.870，同時組態方案的總體一致性為0.910，說明了這兩個組態方案具備較好的解釋力度。

3.本研究將在組態分析結果達到閾值門檻后，分別對2個組態方案命名，并展開案例分析。

（四）案例討論

1.數智信用預測型企業結構性去杠桿方案。如表3的方案1的結果所示，數智信用預測型企業結構性去杠桿方案的凈覆蓋率超過50%，組態方案一致性超過80%。其中，核心條件包括數智金融和信用評價，輔助條件包括數字金融、組織性質與經濟水平。由此說明，即便在經濟形勢不明確的條件下，基于數字化和數智化的商業銀行金融業務改革，依然能夠精準預測企業盈利能力，從而讓商業銀行敢于以“信用”替代“擔保”這一傳統信貸業務的核心要件，將更多金融資源流向績優民營企業，從而實現我國企業部門的結構性杠桿均衡。適用于該組態方案的樣本企業約占總樣本的46%，主要分布于我國華東和華南地區，且多來自先進制造業、生物醫藥等優先發展領域；此類企業囿于地方數字經濟發展完善與政策傾斜度高的宏觀優勢，以及自身企業組織與業務體系的高度數字化，均易于商業銀行對其信用展開更加完整的評價和預測，從而提高了商業銀行對績優民營企業的信貸支持意愿和力度。

2.數智風險監控型企業結構性去杠桿方案。如表3的方案2結果所示，數智風險監控型企業結構性去杠桿方案的凈覆蓋率超過50%，組態方案一致性超過80%。其中，核心條件包括數智金融、風險防控和組織性質，輔助條件包括固定資產與成長能力。由此說明，無論國企民企，對我國各大商業銀行而言，資金安全是保障其組織生存的第一要務，而在數智金融的智能化賦能下，商業銀行可以通過人工智能算法或技術，實現對貸款企業的資金往來及其組織社會網絡關系變化的動態監控，從而對資金安全風險做出及時評價、預警與突發事件科學決策。適用于該組態方案的樣本企業約占總樣本的53%，其樣本地域分布與行業分布相對平均，但此類企業若要提高商業銀行對其的信貸支持意愿與力度，則需更進一步的加快業務數字化轉型，并著力逐步優化貸款結構與提升企業成長能力。

四、結論與建議

（一）研究結論與理論貢獻

本研究以我國滬深兩市上市的2026 家企業與98 家商業銀行為對象，檢視了我國商業銀行數智金融對企業結構性去杠桿的影響機制。結果顯示：（1）商業銀行的數智金融能夠通過智能化的信用評價機制與風險控制機制，有效推動企業部門的結構性去杠桿；（2）提出了一個數智金融的觀測范式；（3）揭示了數智金融對企業結構性去杠桿的組態影響機制，并提出了2個基于商業銀行數智金融的企業結構性去杠桿方案。根據研究結論，本研究的理論貢獻包括：

1.豐富了數智金融的研究內涵。本研究基于商業銀行的金融資源供給意愿視角，驗證了數智金融對企業結構性去杠桿具有顯著的干預作用，該觀點在一定程度上拓展了數智金融的研究邊界。一方面，目前對數字金融的研究，更側重于“數字化”，而鮮有學者結合商業銀行的信貸供給意愿，討論數智金融對民營企業信貸供給的作用效果。另一方面，以往研究在關注企業結構性去杠桿的前因變量時，忽視了商業銀行本身的營利性在實際的企業結構性去杠桿過程中，可能存在一定的抑制性影響。故此，該觀點在極大程度上補充和豐富了數智金融的研究內涵。

2.提出了數智金融的觀測范式。本研究基于數字普惠金融指數在上市公司領域的研究局限，提出了一個基于商業銀行數智化轉型信息挖掘的數智金融指數構建范式。該做法汲取了數字普惠金融指數在高覆蓋面上的優勢，并同時采用商業銀行年報信息進行范式效度檢驗，故而，在范式可行性與科學性上，具備一定的推廣價值。

3.揭示了數智金融的過程機制。本研究基于動態能力理論，通過引入信用評價與風險控制的中介變量，揭示了商業銀行數智金融對企業結構性去杠桿的過程機制，該觀點不僅呼應了唐松等人的觀點[9]，拓展了數智金融對實體經濟的作用“黑箱”，更有助于進一步詮釋數智金融對實體經濟干預的過程機制，同時，也為后續學者提供了一個較好的理論分析框架。

（二）管理對策與政策建議

1.加大商業銀行數智化轉型力度，發揮數智金融對實體經濟健康發展的最大勢能。根據研究結論，數智金融是商業銀行數字化轉型的必然趨勢，是其謀求未來市場競爭力的關鍵抓手。故建議我國各大商業銀行應結合自身組織特征與優勢，適時引入智能化數字技術或人工智能算法，以進一步完善現有金融業務的智能化水平，從而實現每筆業務的智能化預測與決策，以提高資金收益保障和資金安全保障，并逐步將金融業務擴及實體經濟的每一個角落，進而從本質上實現共同富裕。

2.加快企業數字化轉型進程，積極打破銀企之間的信息孤島。數字經濟時代，信息（數據）作為企業的新型資產，其重要性亦提高至生產要素水平。而根據研究結論，民營企業要獲得商業銀行的信貸支持，則勢必需要將其組織和相關業務信息數字化，以便于商業銀行更好、更精準地做出信用評價與業績預測，從而擺脫“擔保”信貸的高成本、高壓力的融資渠道，為我國企業部門的結構性去杠桿做出最大貢獻。

3.加速推動企業數據共享機制建設，助力數字金融更好地促進實體經濟健康發展。國家及相關政府部門應加大對以數智技術為核心的“新基建”，如構建企業數據共享平臺、行業企業數據披露機制等，以增強企業征信數據的公允性與真實性，從而在大幅降低商業銀行的數據獲取成本的同時，間接提升對貸款企業的信用評價質量，這也將進一步提升商業銀行對績優民營企業的信貸支持意愿與力度，并逐步均衡我國企業部門的結構性杠桿錯位。