數字普惠金融與地區商業銀行競爭

王志光 范志國

摘? ?要：數字普惠金融的發展對各地區商業銀行的競爭格局產生了深遠影響。本文使用北京大學數字普惠金融指數，整理計算200845條銀保監會官方網站公布的商業銀行分支機構信息構建商業銀行競爭指數，實證檢驗2011—2018年中國283個地級以上城市數字普惠金融發展對地區商業銀行競爭的影響。研究發現：數字普惠金融發展加劇了地區商業銀行競爭；消費需求效應和產業結構效應是數字普惠金融影響地區商業銀行競爭的中介效應；金融發展水平和經濟政策不確定性在數字普惠金融與地區商業銀行競爭的關系中發揮調節效應。研究結論對我國數字普惠金融發展和商業銀行數字化轉型升級具有重要啟示。

關鍵詞：數字普惠金融；商業銀行競爭；消費需求效應；產業結構效應

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2023）04-0076-07

DOI：10.19647/j.cnki.37-1462/f.2023.04.010

一、引言

近年來，數字普惠金融在我國得到了廣泛的發展，在改變人們生活的同時，也影響著傳統金融機構的競爭格局。數字普惠金融有助于緩解信息不對稱，降低金融摩擦，有利于實體經濟與金融業融合發展，得到了許多國家的重視與支持（粟勤和魏星，2017；付會敏和江世銀，2022）[1，2]。作為傳統金融與信息技術融合發展的新模式，數字普惠金融可以提高金融服務的效率，降低交易成本，緩解企業、個人與金融機構之間存在的信息不對稱。相對于傳統商業銀行固定物理網點和固定客戶的經營模式，數字普惠金融具有普惠性和便捷性的優勢，其發展有利于商業銀行轉型升級，彌補商業銀行金融模式的空白，拓展商業銀行服務的邊界，打破時空的限制，從而擴大傳統商業銀行的覆蓋面（李文紅和蔣則沈，2017）[3]。同時，改變了傳統商業銀行的負債結構（邱晗等，2018）[4]，影響了商業銀行的風險承擔（戰明華等，2018）[5]，并能夠影響銀行業競爭。

從已有的文獻來看，新興技術對商業銀行競爭影響的研究結論存在較大的分歧。Freixas和Rochet（1997）[6]研究發現，信息技術的使用對商業銀行競爭產生了雙重影響：一方面，商業銀行可以借助信息技術提高其信息獲取和處理能力，從而提高了少數商業銀行掌握的市場勢力，導致商業銀行競爭能力下降；另一方面，信息技術的使用使得商業銀行之間的信息透明度提高，信息傳播和共享的能力同樣得以提高，為商業銀行提供了更為公平的市場環境，降低了少數銀行所掌握的市場勢力，從而提高了商業銀行的競爭能力。從國內的研究來看，大多數研究集中于數字普惠金融對商業銀行風險承擔（顧海峰和高水文，2022）[7]、銀行貸款合約（劉程，2022）[8]等方面的影響。那么，數字普惠金融的發展對于地區商業銀行的競爭存在何種效應？數字普惠金融影響地區商業銀行競爭的作用機制又是什么？深入研究這些問題可以指導數字普惠金融更好地應用發展，并有利于幫助地區商業銀行轉型升級，促進商業銀行更好地服務實體經濟。

基于此，本文使用北京大學數字普惠金融指數，整理計算200845條銀保監會官方網站公布的銀行分支機構信息以構建銀行競爭指數，實證檢驗2011—2018年中國283個地級及以上城市數字普惠金融對地區商業銀行競爭的影響。本文的邊際貢獻主要有以下三個方面：第一，從商業銀行分支機構的角度研究數字普惠金融與地區商業銀行競爭之間的影響；第二，基于消費需求效應和產業結構效應的視角，研究數字普惠金融對地區商業銀行競爭的影響機制；第三，從金融發展水平和經濟政策不確定性的外部環境視角，研究數字普惠金融對地區商業銀行競爭的調節作用。

二、理論分析與研究假設

（一）數字普惠金融與地區商業銀行競爭

數字普惠金融被認為是一種金融創新。當前，關于金融創新與競爭，主要存在兩種理論：熊彼特效應認為金融創新會加劇競爭，隨后會減少企業的壟斷行為；逃避競爭效應認為企業存在逃避競爭的行為，在這種動機下會積極進行創新而緩解競爭。

多數研究支持數字普惠金融的發展加劇了地區商業銀行競爭。數字普惠金融的逐漸成熟發展，打破了銀行業因信息優勢而形成的進入壁壘（邱兆祥和粟勤，2008）[9]，削弱了商業銀行在金融市場中的壟斷地位，使銀行業競爭加劇（Dell，2001）[10]。數字普惠金融憑借經濟性和便捷性，越來越受到大眾的歡迎，削弱了商業銀行在金融市場的統治地位（Vives，2017）[11]。從負債端來看，以余額寶為代表的貨幣基金的發展擠壓了商業銀行的存款業務，從而導致商業銀行存款外流（王靜，2015）[12]。在存款外流的背景下，商業銀行為了獲取盈利機會，在市場上展開激烈的價格競爭。從資產端來看，我國銀行業一直存在著“二八定律”，導致中小企業一直面臨著“融資難、融資貴”的問題，而數字普惠金融的出現，可以以較低的成本、較高的效率和良好的服務為中小企業融資打開大門，從而迅速占領中小企業貸款市場，與銀行業形成了錯位競爭的格局。

同時，商業銀行數字化轉型升級的能力也將得到進一步提升，很多商業銀行主動擁抱金融科技，積極轉型和創新以應對數字普惠金融對其造成的沖擊（郭峰，2017；朱太輝和張彧通，2022）[13，14]。在數字化轉型過程中，許多商業銀行建立網上銀行，提高金融服務的效率，并且設立了更多的智能網點，商業銀行內部之間的競爭也加劇了地區銀行業的競爭。據此，提出以下假設：

假設1：數字普惠金融的發展加劇了地區商業銀行的競爭。

（二）數字普惠金融對地區商業銀行競爭的作用機制

1. 消費需求效應。數字普惠金融對消費需求的促進作用已得到諸多文獻證實。一方面，數字普惠金融通過提高支付便利性提升消費需求。當前，以微信和支付寶為代表的移動支付手段已普遍應用到各種線上線下支付場景。根據2020年中國支付清算協會的統計數據，使用手機支付的比例高達74%。張勛等（2020）[15]研究發現，數字普惠金融能夠縮短居民購物時間，進而促進居民消費。數字普惠金融的發展不僅能夠促進消費需求增加，還會帶來消費結構的轉型升級（江紅莉和蔣鵬程，2021）[16]。何宗樾等（2020）[17]指出，數字普惠金融所帶來的線上支付的便利性可以進一步促進消費轉型。另一方面，數字普惠金融通過緩解弱勢群體的資金約束提升消費需求。數字普惠金融在我國迎來重大發展之前，商業銀行占據著我國金融市場極大的市場份額，呈壟斷之勢，對于弱勢群體以及落后地區一定程度上存在金融排斥，導致居民消費受到約束。而數字普惠金融的極大發展緩解了這部分群體的消費約束，有利于提升消費需求。

需求端的變動能夠成為供給端變動的重要導向，消費需求的提高表示消費者將會有更多的流動性需求，推動商業銀行改革，激發其創新能力以爭奪市場份額，從而加劇了商業銀行的競爭（王喆等，2021）[18]。據此，提出以下假設：

假設2：數字普惠金融發展拉動了消費需求，進而促進地區商業銀行競爭。

2. 產業結構升級效應。數字普惠金融的發展可以突破地理空間的限制，具有覆蓋面廣、成本可控、產業規模大等特點，與產業結構升級可以契合在一起。一方面，數字普惠金融的普惠特性可以突破地理空間的限制，通過提供多樣化的金融工具實現信息共享和資源傳播，可以有效解決產業結構升級所面臨的金融資源配置失衡的問題；另一方面，數字普惠金融具有數字技術的特征，可以進一步提升信息傳播的有效性，信息不對稱問題得以緩解，有利于金融市場自主選擇產業活動，精準匹配產業的需求端和供給端，通過高效的線上平臺進一步促進產業結構優化升級。

數字普惠金融的發展促進產業結構轉型升級，使得地區企業及個體對于資金的需求上升，在這種形式之下，“倒逼”商業銀行更加注重信貸資源的配給。為了搶占更多的資源，商業銀行推出銀聯支付、提供線上服務、降低貸款利率等政策來提高其競爭能力，加劇地區商業銀行之間的競爭。為此提出以下假設：

假設3：數字普惠金融發展推動了產業結構升級，進而促進地區商業銀行競爭。

3. 金融發展水平的調節效應。以往關于數字普惠金融的研究發現，數字普惠金融在不同地理位置的經濟效應確實存在差異，很大一部分原因就是金融供給的不平衡以及金融發展水平差異過大。那么，數字普惠金融對地區商業銀行競爭的影響是否會由于金融發展水平不同而產生差異？金融發展水平高的地區，可以形成關系密切的金融網絡，有利于緩解信息不對稱，從而可以為數字普惠金融的發展提供“肥沃的土壤”。同時，地區金融發展水平高也能夠反映出該地區傳統金融機構成長的條件較好，當數字普惠金融在該地區進行發展時，商業銀行所占有的客戶資源更為牢固，兩者之間為了開發客戶、提高市場占有率所展開的競爭可能更為激烈。據此，提出以下假設：

假設4：金融發展水平越高，數字普惠金融對地區商業銀行競爭的作用越強。

4. 經濟政策不確定性的調節效應。經濟政策不確定性的上升主要通過實物期權效應影響商業銀行。根據實物期權理論，經濟政策不確定性上升時，商業銀行會等待不確定性消失后再做出行為決策。在實物期權機制下，經濟政策不確定性的上升會使得商業銀行貸款等收益不確定性的增加。

數字普惠金融的發展將會通過實物期權效應參與上述機制。對于實物期權效應，當經濟政策不確定性上升時，數字普惠金融的發展會通過其高效的數字技術增加商業銀行的信息收集和分析能力，促進商業銀行發放貸款以及增加信貸供給。因此，當經濟政策不確定性上升時，數字普惠金融的發展可以緩解實物期權效應，擴大商業銀行的信貸規模，進而促進商業銀行之間的競爭。為此提出以下假設：

假設5：經濟政策不確定性加劇，數字普惠金融對地區商業銀行競爭的作用越強。

三、研究設計

（一）樣本選取與數據來源

本文所使用的數字普惠金融數據來自北京大學數字金融研究中心發布的數字普惠金融指數；銀行競爭數據來自銀保監會官方網站公布的全國金融機構許可證信息，利用許可證信息計算出各城市各類銀行分支機構數量①；各城市層面數據主要來源于國泰安數據庫和《中國城市統計年鑒》；經濟政策不確定性指數數據來源于Baker等（2016）[19]公布的中國經濟政策不確定性指數。在選取城市的過程中，剔除數據缺失嚴重的樣本，最終選取2011—2018年全國283個地級及以上城市的2264個樣本。為了排除異常值對于實證結果的干擾，在實證之前對所需數據進行上下1%的縮尾處理。

（二）模型構建

為了檢驗數字普惠金融發展對地區商業銀行競爭產生何種影響，本文設計如下基準模型進行實證檢驗：

[hhii，t/cr4i，t=α+βdifi，t+γXi，t+δt+φi+εi，t]? （1）

其中，[hhii，t]和[cr4i，t]是地區[i]在[t]年的商業銀行競爭程度；[difi，t]表示地區[i]在[t]年的數字普惠金融發展水平；[Xi，t]表示控制變量；[δt和φi]分別表示地區和時間效應。

（三）變量定義

1. 被解釋變量。借鑒Chong等（2013）[20]的研究方法，本文使用各商業銀行在地級及以上城市的分支機構數量計算赫芬達爾指數（hhi）和商業銀行集中度指數（cr4），以衡量地區商業銀行競爭。由于我國特殊的監管環境以及金融市場發展程度，使用結構性指標可以較好地衡量各地區商業銀行競爭程度的差異。在構建各城市赫芬達爾指數（hhi）以及商業銀行集中度（cr4）時，假設各類型商業銀行均具有相同的效率，具體計算公式如下：

[hhik=i=1Nkbranchik/i=1Nkbranchik2] （2）

[cr4k=r=14branchrk/i=1Nkbranchik]? ? （3）

其中，[hhik]和[cr4k]分別表示第[k]個城市的赫芬達爾指數和商業銀行集中度指數，[branchik]表示第[k]個城市第[i]家商業銀行的分支行數量，[Nk]表示在城市[k]設立分支機構的商業銀行數目，[r]＝1，2，3，4分別對應在城市[k]設立分支行數量最多的前四家商業銀行。[hhi]和[cr4]指標取值均在0到1之間，取值越接近于0，表示地區商業銀行競爭程度越激烈，即[hhi]和[cr4]指標是地區商業銀行競爭的反向指標，當核心解釋變量系數為負值時，說明數字普惠金融加劇了地區商業銀行競爭。

2. 解釋變量。本文使用北京大學數字普惠金融指數來衡量我國城市層面的數字普惠金融發展水平，該指數利用螞蟻金服的數據，從覆蓋廣度、使用深度、數字化水平等多個維度進行構建。為避免各變量之間量綱不同所帶來的偏誤，對數字普惠金融指數取對數。

3. 中介變量：消費需求和產業結構。本文使用社會零售品消費總額與地區GDP的比值作為消費需求的代理變量，使用第三產業增加值占GDP的比重作為產業結構的代理變量。

4. 調節變量：金融發展水平和經濟政策不確定性。本文使用各城市金融機構存款和貸款總量與該地區GDP的比值來表示金融發展水平。Baker等（2016）[19]公布的中國經濟政策不確定性指數近年來在學術界得到了廣泛應用，具有一定的穩定性和有效性，本文將月度數據取平均值以后得到所需的年度數據，并將數據除以100來保證數據的一致性。

5. 控制變量。為了使研究結果更具有說服力，在模型中加入勞動力素質、交通運輸水平、教育支出、科技支出、通信基礎設施、外商投資企業占比、產業結構、財政支出、城市規模等作為控制變量。

各變量具體定義如表１所示。

（四）描述性統計

從表2的描述性統計來看，樣本期間赫芬達爾指數（hhi）和集中度指數（cr4）的均值分別為0.134和0.344，說明現階段我國商業銀行結構仍較為集中。數字普惠金融指數均值為4.942，最大值和最小值差異較大，說明我國各城市數字普惠金融發展水平差異較大。

四、實證結果分析

（一）基準回歸結果

Hausman 檢驗拒絕了隨機效應模型，故使用固定效應模型進行回歸，結果如表3所示。第（1）、（2）列是未加入控制變量的回歸結果，數字普惠金融與赫芬達爾指數（hhi）和集中度指數（cr4）的回歸系數分別為-0.024和-0.04，并且都在1%水平上顯著，說明數字普惠金融的發展與地區商業銀行競爭存在正相關關系，即數字普惠金融發展水平越高，地區商業銀行業競爭越激烈。第（3）、（4）列是加入控制變量后的回歸結果，回歸結果與第（1）、（2）列一致，證明了本文結果的穩健性。假設1成立，說明數字普惠金融加劇了地區商業銀行競爭。

（二）內生性問題

數字普惠金融與地區商業銀行競爭之間可能存在以下內生性問題：第一，反向因果關系，即數字普惠金融的發展會加劇地區商業銀行競爭，而地區商業銀行競爭加劇也會影響地區數字普惠金融的發展（謝絢麗等，2018）[21]；第二，遺漏變量問題，盡管本文已盡可能控制了各種影響數字普惠金融與地區商業銀行競爭的變量，但是仍可能會受到不可觀測因素的影響。以上問題的存在會影響估計結果。因此，借鑒張勛等（2020）[15]、杜傳忠和張遠（2020）[22]的研究方法，本文使用各城市到杭州的距離（mile）作為數字普惠金融的工具變量。一方面，本文所使用的數字普惠金融指數是根據螞蟻金服所提供的數據進行編制，而其總部位于杭州，因此，數字普惠金融雖然主要表現為線上金融服務，但依然會受到地理因素的影響；另一方面，各地區商業銀行競爭程度顯然與其到杭州的距離沒有影響。因此，滿足工具變量的兩個條件。

工具變量的回歸結果如表4所示。第（1）列為第一階段回歸結果，工具變量（mile）在1%水平上顯著，并且通過了相關檢驗②。第（2）、（3）列為第二階段回歸結果，回歸結果與基準回歸結果一致，證明了本文結論的穩健性。

表4：工具變量回歸結果

[ （1） （2） （3） dif hhi cr4 mile -0.004*** （0.000） dif -0.019*** -0.420*** （0.003） （0.144） controls yes yes yes cons 4.098*** 0.405** 2.202*** （0.128） （0.194） （0.561） Kleibergen-Paap rk LM 17.935

[0.000] 17.935

[0.000] Kleibergen-Paap rk Wald F 17.959

{16.380} 17.959

{16.380} 時間/地區效應 控制 控制 控制 Observations 2260 2260 2260 R-squared 0.958 0.276 0.654 ]

注：因篇幅所限，控制變量簡要展示，作者備索。下同。

（三）穩健性檢驗

一是替換解釋變量。本文將數字普惠金融指數均一化處理（cdif）后，使用模型（1）重新回歸。二是更換回歸模型。由于各城市商業銀行競爭存在一定的持續性，即存在序列自相關，借鑒肖文和薛天航（2019）[23]的方法，使用GMM動態面板來檢驗本文結論的穩健性。三是剔除直轄市。本文樣本共包括283個地級及以上城市，也包括4個直轄市。相對于其他城市來說，直轄市數字普惠金融發展水平較高，銀行競爭也會更激烈，導致的反向因果問題更為嚴重，因此，將4個直轄市樣本剔除后重新回歸。四是改變樣本區間。2013年6月，螞蟻金服推出余額寶，并且成立專業金融團隊負責該業務。因此，2013年被業界人士看作數字普惠金融發展元年。本文將樣本區間改變為2013—2018年重新回歸。穩健性檢驗結果見表5。主要解釋變量回歸結果與上文基本一致且顯著，證明本文結論的穩健性。

五、影響機制檢驗

（一）中介效應檢驗

為了進一步檢驗數字普惠金融發展與地區商業銀行競爭之間存在的機制，本文借鑒邱晗等（2018）[4]的研究方法，在基準模型的基礎上構建如下中介效應模型：

[hhii，t/cr4i，t=α+βdifi，t+γXi，t+δt+φi+εi，t]? ?（4）

[coui，t/sani，t=α+ρdifxi，t+γXi，t+δt+φi+εi，t]? （5）

[hhii，t/cr4i，t=α+βdifxi，t+?coui，t+γXi，t+δt+φi+εi，t]

（6）

[hhii，t/cr4i，t=α+βdifxi，t+?sani，t+γXi，t+δt+φi+εi，t]

（7）

其中，[coui，t]和[sani，t]表示各城市消費需求和產業結構，其余變量與基準模型一致。

表6為機制分析的實證結果。數字普惠金融的發展對地區商業銀行競爭所帶來的總效應即為基準回歸結果，故不再展示；第（1）、（4）列為模型（5）的回歸結果，數字普惠金融對消費需求、產業結構的回歸系數均在1%水平上為正，表明數字普惠金融的發展有利于消費需求的提高和產業結構的轉型升級；第（2）、（5）列結果顯示，數字普惠金融、消費需求、產業結構的系數顯著為負，且數字普惠金融系數絕對值小于基準回歸的系數，說明消費需求和產業結構是數字普惠金融與地區商業銀行競爭的中介變量，并且發揮部分中介效應。第（4）、（6）列是以銀行集中度（cr4）為被解釋變量的回歸結果，與以赫芬達爾指數（hhi）為被解釋變量的結果一致。實證結果證明，數字普惠金融的發展有利于該地區消費需求的增加和產業結構的升級，從而加劇了該地區商業銀行競爭。假設2和假設3成立。

表6：基于消費需求和產業結構視角的影響機制分析

[ （1） （2） （3） （4） （5） （6） cou hhi cr4 san hhi cr4 dif 0.279*** -0.017*** -0.029*** 0.066*** -0.016*** -0.031*** （0.051） （0.001） （0.002） （0.016） （0.001） （0.002） san -0.000*** -0.001*** （0.000） （ 0.000） cou -0.001*** -0.001* （0.000） （ 0.000） controls yes yes yes yes yes yes _cons -3.980*** 0.207*** 0.478*** 0.546 0.211*** 0.512*** （0.722） （0.012） （0.028） （0.531） （0.012） （0.026） 時間/地區效應 控制 控制 控制 控制 控制 控制 Observations 2260 2260 2260 2255 2255 2255 R-squared 0.753 0.445 0.373 0.014 0.467 0.365 ]

（二）調節效應檢驗

本文分別引入金融發展水平、經濟政策不確定性與數字普惠金融的交互項分析兩者的調節效應。從表7的回歸結果來看，交互項系數都在1%水平下顯著為負，說明金融發展水平與經濟政策不確定性在數字普惠金融發展對地區商業銀行競爭的影響中發揮調節效應，證明假設4和假設5成立。良好的金融發展水平意味著該地區的傳統金融機構具有穩固的社會資源，同時，亦可以為數字普惠金融的發展提供穩定的金融基礎設施，為了各自利益的最優化，數字普惠金融的發展勢必會與地區商業銀行展開更為激烈的競爭。當經濟政策不確定性增加時，數字普惠金融的發展對地區商業銀行競爭的影響會增大，這是因為經濟政策不確定性增加時，客戶會從預防性動機出發，選擇更為安全的資產，會傾向于商業銀行，而由于數字普惠金融的便利性及其能夠為客戶提供穩健的儲蓄性資產，會導致數字普惠金融的發展加劇地區商業銀行競爭，這與我國當前的事實相符。

六、結論與啟示

數字普惠金融的發展對我國以商業銀行為代表的傳統金融機構產生了深遠影響，改變了商業銀行業原有的競爭格局。本文使用北京大學數字普惠金融指數，整理200845條銀保監會官網公布的商業銀行分支機構信息構建商業銀行競爭指數，實證檢驗2011—2018年中國283個地級及以上城市數字普惠金融對地區商業銀行競爭的影響。研究發現：（1）數字普惠金融加劇了地區商業銀行競爭；（2）消費需求效應和產業結構效應在數字普惠金融的發展影響地區商業銀行競爭中發揮部分中介效應，金融發展水平和經濟政策不確定性在數字普惠金融的發展影響地區商業銀行競爭中發揮調節效應。

以上研究結果具有如下啟示：（1）數字普惠金融的發展與以商業銀行為代表的傳統金融機構之間存在競合的關系。這種關系的存在有利于商業銀行進行數字化轉型升級，通過提供線上服務拓展業務范圍，有利于促進商業銀行進行創新，為各城市提供更為便捷的金融資源，為地區供給更多的資金，支持實體經濟的發展。各城市需大力推進數字普惠金融的發展，完善金融基礎設施，改善金融環境，這對于我國金融市場改革也具有重要意義。（2）數字普惠金融可以通過消費需求效應和產業結構效應影響地區商業銀行競爭，因此，我國在未來的發展中要積極促進消費，引導產業結構轉型升級，同時帶動金融服務實體經濟，從而借助數字普惠金融實現經濟高質量發展。

注：

①金融許可證信息分為分支行信息和其他機構信息，本文用分支行信息來計算銀行競爭指標，為此統計了我國283個地級以上城市共200845條金融許可證信息。

②Kleibergen-Paap rk LM檢驗的原假設條件為工具變量識別不足，如果拒絕原假設說明工具變量有效，Kleibergen-Paap rk Wald F檢驗的原假設條件為弱工具變量，如果拒絕原假設說明工具變量有效。其中，表4的中括號內為P值，大括號內為Stock-Yogo的臨界值。

參考文獻：

[1]粟勤，魏星.金融科技的金融包容效應與創新驅動路徑 [J].理論探索，2017，（05）.

[2]付會敏，江世銀.金融科技的經濟增長效應——基于數字普惠金融指數的實證檢驗 [J].金融發展研究，2022，（08）.

[3]李文紅，蔣則沈.金融科技（FinTech）發展與監管：一個監管者的視角 [J].金融監管研究，2017，（03）.

[4]邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角 [J].金融研究，2018，（11）.

[5]戰明華，張成瑞，沈娟.互聯網金融發展與貨幣政策的銀行信貸渠道傳導 [J].經濟研究，2018，53（04）.

[6]X Freixas，J C Rochet. 1997. Microeconomics of Banking [M].MIT Press Books.

[7]顧海峰，高水文.數字金融發展對企業綠色創新的影響研究 [J].統計與信息論壇，2022，（11）.

[8]劉程.數字金融與銀行貸款合約——基于我國上市公司微觀銀行貸款數據的實證研究 [J].產業經濟評論，2022，（01）.

[9]邱兆祥，粟勤.信息不對稱條件下銀行業市場結構與市場競爭研究綜述 [J].金融研究，2008，（08）.

[10]Dell A G. 2001. Asymmetric Information and the Structure of the Banking Industry [J].European Economic Review，Vol.10.

[11]Vives X. 2017. The Impact of FinTech on Banking [J]. European Economy，Vol.2.

[12]王靜.基于金融功能視角的互聯網金融形態及對商業銀行的沖擊 [J].財經科學，2015，（03）.

[13]郭峰.數字技術助力銀行服務實體經濟 [J].新金融評論，2017，（06）.

[14]朱太輝，張彧通.金融數字化的運行模式研究 [J].金融發展研究，2022，（05）.

[15]張勛，楊桐，汪晨，萬廣華.數字金融發展與居民消費增長：理論與中國實踐 [J].管理世界，2020，36（11）.

[16]江紅莉，蔣鵬程.數字金融能提升企業全要素生產率嗎？——來自中國上市公司的經驗證據 [J].上海財經大學學報，2021，05（07）.

[17]何宗樾，張勛，萬廣華.數字金融、數字鴻溝與多維貧困 [J].統計研究，2020，37（10）.

[18]王喆，陳胤默，張明.傳統金融供給與數字金融發展：補充還是替代？——基于地區制度差異視角 [J].經濟管理，2021，43（05）.

[19]Baker S R，Bloom N，Steven S J. 2016. Measuring Economic Policy Uncertainty [J].The Quarterly Journal of Economicss，（4）.

[20]Chong T T，Lu L，Ongena S. 2013. Does Banking Competition Alleviate or Worsen Credit Constraints Faced by Small- and Medium-Sized Enterprises？Evidence from China [J].Journal of Banking & Finance，（9） .

[21]謝絢麗，沈艷，張皓星，郭峰.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（04）.

[22]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，（05）.

[23]肖文，薛天航.勞動力成本上升、融資約束與企業全要素生產率變動 [J].世界經濟，2019，42（01）.