大數據技術對中小微企業信貸供給的影響研究

陳敏 孫華榮 傅琪

摘? ?要：大數據技術憑借其強大的信息獲取處理優勢成為當下緩解中小微企業融資困境的重要手段。基于2012—2020年山東省14家商業銀行中小微企業信貸供給月度面板數據，考察了大數據技術對中小微企業信貸供給的影響及其作用機制。研究發現：大數據技術顯著提高了山東省中小微企業信貸供給，而這種影響效果會因商業銀行類型、企業規模、大數據技術發展階段的不同而呈現顯著差異。機制檢驗進一步證實，大數據技術主要通過貸前信息篩選與貸后風險管控兩個渠道作用于山東省中小微企業信貸供給，且渠道的作用效果對于不同類型的商業銀行以及不同規模的企業也呈現出明顯的異質性?；诖?，為有效紓解中小微企業融資困境，建議不斷增強大數據技術緩解中小微企業融資約束的正向作用，靈活依據商業銀行類型、企業規模有差別地推動大數據技術發展，并有效疏通大數據技術提升中小微企業信貸供給的貸前貸后傳導渠道。

關鍵詞：融資約束；信息不對稱；信貸風險

中圖分類號：F832? 文獻標識碼：A? 文章編號：1674-2265（2023）02-0044-10

DOI：10.19647/j.cnki.37-1462/f.2023.02.006

一、引言

中小微企業是我國經濟發展的重要組成部分和支撐力量，但其面臨著“硬”信息不足、信用缺失等一系列問題，這造成中小微企業能獲得的金融資源與其所處的經濟地位極為不符。加之近年來新冠肺炎疫情等因素的影響，中小微企業的融資約束問題顯得尤為突出。與此同時，我國大數據技術迅速崛起，其在改善信貸質量、緩解信息不對稱等方面具有明顯的優勢，也被創新性地應用于信貸領域，成為助力中小微企業解決融資需求的可能路徑。以中國郵政儲蓄銀行為例，該行近年來依托科技賦能，積極將大數據技術嵌入信貸業務，推出“小微易貸”“科技信用貸”“極速貸”等創新金融產品，截至2022年3月末，實體貸款新增占比高達99%，普惠小微企業貸款余額突破1萬億元，較上年末增長4%。由此可見，大數據技術對中小微企業信貸供給起到了一定的積極作用，這一作用效果是否顯著以及作用渠道如何，本文將以山東省為例進行理論梳理與實證檢驗，對于驅動我國商業銀行業數字化改革，促進中小微企業健康發展，從而更好地推動金融服務實體經濟具有重要的理論與現實意義。

大數據技術是金融科技的核心驅動力（李建軍，2021）[1]。相較于提供底層服務的云計算、高效完成特定任務的人工智能、實現分布式數據共享的區塊鏈等其他技術（王烽權等，2020；李勇建和陳婷，2021；劉婷和李冬，2021；劉乃梁和呂豪杰，2022）[2-5]，大數據技術與依托信息的金融行業更具有天然的耦合性。大數據技術具有信息體量大、傳輸速度快、潛在價值高等特點（唐跟利和陳立泰，2021）[6]，以數據開放共享流通為基礎，進而對數據展開采集、分析、挖掘與交易，為用戶提供更具價值的信息和知識。與此同時，商業銀行的信貸供給過程需要以大量企業信息為支撐，信息不對稱正是阻礙中小微企業融資的根本原因（劉音露等，2019）[7]，信息化是促進中小微企業融資“增量”的關鍵因素。大數據技術恰恰可借助其信息優勢賦能商業銀行，通過整合借款企業真實有效信息，挖掘企業投資價值，引導商業銀行資金供給與企業融資需求相匹配，進而調動更多信貸資源流向中小微企業，真正地服務于中小微企業。

目前，大量文獻是從金融科技的整體視角探討中小微企業融資問題（Jak?i?和Marin?，2019；盛天翔等，2020；金洪飛等，2020；粟勤和楊景陸，2022）[8-11]，也有部分學者選擇大數據技術視角展開研究。一些學者指出，大數據技術在商業銀行小微企業信貸業務拓展方面具有廣闊的應用場景，認為大數據技術創造的“信用資本”和“信用抵押”有助于解決“小微企業融資悖論”難題（黃子健和王龑，2015）[12]。從征信層面來看，大數據技術能夠以極低的成本挖掘海量非結構化數據，這有利于商業銀行借助大數據技術緩解與借款企業的信息不對稱，從而助力中小微企業融資增信并緩解融資約束（許志勇等，2021）[13]；從風險管理層面來看，大數據技術有助于商業銀行采集借款企業的償還能力與信用水平信息以評估貸款額度，并通過多樣有效的措施進行貸后風險管控，這在一定程度上有利于商業銀行控制貸款風險，進而降低中小微企業融資成本（姜婷鳳和易潔菲，2022）[14]。但這些研究僅停留在理論層面，大數據技術紓解中小微企業融資困境的實際效果以及其中的渠道機制等問題仍有待進一步的實證研究，這也正是本文研究的切入點。此外，進一步梳理文獻發現，已有文獻僅集中討論大數據技術與中小微企業融資之間的關系，卻未區分企業類型展開對比分析，而大數據技術對大型、中型、小型、微型企業信貸供給的差異性影響也將是本文的研究重點。

本文的邊際貢獻如下：首先，本文利用山東省中小微企業的月度信貸數據，對山東省省域層面的大數據技術與中小微企業信貸供給的關系展開實證研究，這為商業銀行借助大數據技術調整信貸配給、加大對中小微企業的信貸支持提供了實證依據。其次，本文從貸前信息篩選和貸后風險管控兩個渠道，系統分析大數據技術如何引導信貸資源遵循市場規則向中小微企業可持續供給。最后，區別于以往文獻，本文檢驗了銀行層面和企業層面傳導渠道作用效果的異質性，這為有效推出差異化的管理策略提供了借鑒與指導。

二、大數據技術影響中小微企業信貸供給的理論機制

商業銀行對中小微企業的信貸供給過程分為貸前篩選和貸后追蹤兩個環節，中小微企業“融資難”的原因可對應歸結為兩點：獲客難、風控難。結合已有文獻，本文發現大數據技術對中小微企業信貸供給的作用會通過貸前信息篩選和貸后風險管控兩個渠道實現（見圖1）。

（一）貸前信息篩選渠道

大數據技術能夠將各類“軟”信息硬化，其利用信息整合、篩選上的比較優勢“賦能”于商業銀行（宋敏等，2021）[15]，從而高效緩解銀企間的信息不對稱難題（王奕婷和羅雙成，2022）[16]，有助于擴大中小微企業信貸供給。具體從貸前篩選環節來說，作為信貸主要供給方的商業銀行會綜合考慮自身風險承擔能力、貸款成本和收益等方面，優先選擇“硬”信息充足的大型企業發放貸款（Berger和Black，2010）[17]。即便有部分商業銀行具有搜集企業“軟”信息的比較優勢，也難以大范圍、大規模地發放關系型貸款（黃益平和邱晗，2021）[18]。因此，中小微企業既受限于“硬”信息不足，又缺乏合格抵質押品，自然在上述貸前篩選環節中被排斥在正規服務體系之外；即使商業銀行通過篩選中小微企業信息，選擇性地向其中質量相對較好的企業發放貸款，這無疑也會加大商業銀行的獲客和放貸成本。

隨著大數據技術的興起與應用，中小微企業的數字化轉型持續加快，其在數字系統中展開經營活動，留下經營流水、營收趨勢、財務狀況、履約情況等海量“數字足跡”。這些“大數據”不僅使得中小微企業的“軟”信息變得更加透明，也可以極大地降低商業銀行的人工審查監督成本（黃銳等，2020）[19]。借助大數據技術，商業銀行既能夠更容易地搜集和挖掘與中小微企業真實經營相關的數字信息，也能夠有效甄別“長尾”中小微企業信貸需求（王馨，2015）[20]，并以較低的邊際成本對其進行充分的貸前信息評估。這緩釋了由銀企間信息不對稱而導致的中小微企業融資難問題，中小微企業信貸供給總量得以增加。

（二）貸后風險管控渠道

大數據技術可以協助商業銀行構建大數據風控體系（張金清等，2022）[21]，有助于商業銀行實現對中小微企業風險的精準判估，從而降低信貸風險，提高中小微企業正規融資的可得性。具體從貸后追蹤環節來說，由于傳統風控技術成本高、效率低且時效性差，商業銀行的貸后管理模式相對被動，無法及時抓取中小微企業違約信息，因而難以控制信貸風險。而大數據風控體系具有突出的信息和模型優勢，能夠協助商業銀行動態、全方位地監控中小微企業的實時信息，更加準確和穩健地預測違約（Huang等，2020）[22]。在大數據風控體系支持下，商業銀行可以通過重點關注借款企業交易行為、償債行為以及經營狀況等方面的貸后風險指標并設置風險預警，從而能夠更精準地進行風險防控，降低借款企業違約的可能性。這種風控模式不僅可以確保商業銀行放貸收益覆蓋放貸成本，也能夠降低商業銀行放貸虧損的可能性和程度。

在大數據技術的“賦能”下，一方面，中小微企業的不良貸款率會降低；另一方面，商業銀行可以運用更加多元化和有效的技術手段防控并化解信貸風險（Gambacorta等，2019；Cheng和Qu，2020）[23，24]，風險預測與控制能力均有所提升（郭品和沈悅，2019；李向前和賀卓異，2021）[25，26]。由此，商業銀行更有動力和信心增加信貸資產組合中的風險資產占比，大幅度地提高放貸積極性，提升風險承擔意愿，從而能夠覆蓋之前不能被商業銀行服務的中小微客群，有利于整體上擴大中小微企業信貸供給。

三、大數據技術對山東省中小微企業信貸供給影響的實證檢驗

（一）實證模型構建

為檢驗大數據技術對山東省中小微企業信貸供給的影響，本文基準模型設定如下：

[CreditSupplyjt=α0+α1BigDatat+α2Mtcontrol+α3Ijtcontrol+μi+εjt]? ?（1）

其中，[j]表示商業銀行，[t]表示時間。被解釋變量為中小微企業信貸供給[CreditSupplyjt]，核心解釋變量為大數據技術發展指數[BigDatat]，[Mtcontrol]、[Ijtcontrol]分別代表商業銀行層面與宏觀經濟層面的控制變量，[μi]為個體固定效應，[εjt]為誤差擾動項。

（二）樣本選擇與數據來源

本文選取山東省作為研究對象主要基于以下考量：一方面，考慮省域商業銀行數據的可得性與代表性。山東省歷來是經濟、人口大省，GDP長期穩居全國前三，民營經濟活躍，中小微企業景氣指數也一直領跑全國。本文以山東省為研究對象，厘清大數據技術對中小微企業信貸供給的影響及其機制，具有較高的代表性和示范性，為未來借大數據技術之“東風”，助推中小微企業高質量發展提供了重要借鑒。另一方面，雖然山東省中小微企業整體發展勢頭良好，但中小微企業仍處于產業鏈下游，發展短板比較突出，疫情沖擊導致部分中小微企業面臨資金斷裂困境。這一背景為本文研究大數據技術對山東省中小微企業信貸供給的影響提供了契機。

由于大數據技術在我國起步較晚，選取年度數據會造成數據量過少，因而采用月度數據?？紤]到2012年為“大數據跨界年度”以及數據的完整性與可得性，最終選取2012—2020年山東省4家國有商業銀行與10家股份制商業銀行，共計14家商業銀行的月度面板數據。商業銀行數據來自中國人民銀行，大數據技術指數所需數據來自百度搜索，控制變量數據來自《山東統計年鑒》、國泰安數據庫、中經網統計數據庫、各家商業銀行年報及社會責任報告。

（三）變量定義與描述

變量說明及描述性統計結果見表1。

1. 被解釋變量：中小微企業信貸供給（CreditSupply）。本文用中小微企業貸款余額（自然對數）來衡量①。該指標越高，代表中小微企業尚未歸還商業銀行的貸款越多，信貸供給越充足。

2. 解釋變量：大數據技術發展指數（BigData）。大數據技術指標的構建是考察大數據技術發展對中小微企業信貸供給影響的關鍵。已有文獻（施炳展和金祥義，2019；盛天翔和范從來，2020；李春濤等，2020）[27-29]為本文運用“大數據技術詞庫+百度搜索指數”的方法構建大數據技術發展指數提供了啟示。具體構建步驟如下：（1）構建大數據技術的關鍵詞詞庫。借鑒沈悅和郭品（2015）[30]，本文從大數據技術的來源、特征以及應用三個方面構建關鍵詞詞庫（見表2）。（2）利用網絡搜索指數計算關鍵詞的月度詞頻。本文選擇市場份額最大的百度搜索指數實現，先在百度搜索指數平臺選定山東省作為指定的區域范圍，然后利用步驟一中得到的大數據技術關鍵詞詞庫，獲取各關鍵詞對應的日度詞頻，并將日數據加總取平均轉為月度詞頻。（3）基于熵值法合成山東省大數據技術發展指數。本文采用熵值法②確定各關鍵詞權重，進而合成山東省的大數據技術綜合指數?？紤]到穩健性問題，本文將該指數進行對數處理。該指數越大，表示山東省大數據技術發展水平越高。

在實現大數據技術發展指數量化構建后，本文發現大數據技術共經歷了三個發展階段（見圖2）：第一階段為大數據技術新興發展階段（2012—2014年）?！按髷祿币辉~逐漸進入人們視野，金融機構開始有意識地重視數據價值，大批新興產業涌現。第二階段是大數據技術飛速發展階段（2014—2018年）。2014年3月，大數據首次寫入政府工作報告，2014年也被稱為“中國大數據元年”。隨后，大數據逐漸成為各級政府關注的熱點，地方政府相關部門也出臺了一系列政策，如2016年山東省出臺《山東省人民政府關于促進大數據發展的意見》，鼓勵大數據產業發展。第三階段是大數據技術高質量發展階段（2018至今）。2018年，大數據的新技術、新業態、新模式的不斷涌現，對數據資產運營與管理提出了更高的要求。對此，2018年10月，山東省大數據局正式掛牌成立，牽頭實施大數據戰略，山東省人民政府又于2019年發布《數字山東發展規劃（2018—2022年）》，這使得山東省大數據技術進入更為規范的高質量發展階段。

3. 控制變量。除大數據技術外，本文參考既有文獻的研究，從兩個層面選取可能影響中小微企業信貸供給的其他因素構建控制變量。一是商業銀行層面的不良貸款率（NPL）（張琳等，2015；孫國峰和欒稀，2021）[31，32]；二是宏觀經濟層面的物價水平（CPI）、同業拆放利率（Rate）、一般公共預算收入（Revenue）、房地產投資開發（Investment）（金雪軍和徐凱翔，2016；鄺雄等，2019）[33，34]。

（四）基準回歸

表3匯報了大數據技術對山東省中小微企業信貸供給影響的回歸結果。結果顯示，不論是否考慮控制變量，解釋變量的估計系數均在1%水平上顯著為正，這說明大數據技術對山東省中小微企業信貸供給具有高度正向影響?？赡艿脑蚴?，大數據技術“賦能”山東省商業銀行，緩解了銀企間信息不對稱，商業銀行風控能力也得以提升，進而能夠增加中小微企業信貸供給。

（五）穩健性檢驗

為檢驗實證結果的穩健性③，本文依次采用替換解釋變量④、解釋變量滯后一階、解釋變量滯后二階、變換估計方法（GMM、混合OLS）5種方式重新進行估計，結果匯報于表4。結果顯示，本文分析結果具有較強的穩健性。

（六）異質性分析

基準回歸結果表明，大數據技術能夠顯著提升山東省中小微企業信貸供給。對不同的商業銀行類型、企業規模以及大數據技術發展階段而言，大數據技術對山東省中小微企業信貸供給的影響是否存在差異？本文將重點從以上這四個方面展開異質性分析。

1. 商業銀行類型?？紤]到不同類型商業銀行在傳統信貸技術方面擅長的領域不同，發展水平也各異，大數據技術對其的影響效果也可能會存在差異。為探究這一問題，本文按照國有商業銀行、股份制商業銀行分組進行回歸，結果見表5。通過對比解釋變量的標準化系數值⑤發現，大數據技術對山東省股份制商業銀行中小微企業信貸供給的促進效果強于國有商業銀行。

對此可能的解釋是，國有商業銀行在我國信貸市場中占據著主導性地位，掌握著大量的大型企業等優質客戶，開發中小微企業信貸空間的動力并不強烈。雖然國有商業銀行在山東省中小微企業信貸供給中的占比最高，但更多的是為了滿足政府和監管當局的要求，具有一定的被動性。相反，股份制商業銀行在中小微企業融資方面具有“小銀行優勢”，中小微企業客戶是其主要的競爭對象。而且隨著大數據技術的快速發展，中小微企業的信息獲取成本大幅度降低，在利潤驅動下，股份制商業銀行拓展中小微企業客戶的動力明顯要強于國有商業銀行，使得其對中小微企業信貸供給大幅增加。

2. 企業規模。為進一步厘清企業規模差異對大數據技術提升山東省企業信貸供給的影響，根據《統計上大中小微型企業劃分辦法（2017）》中對企業的劃型標準，本文按照從業人員、營業收入以及資產總額將企業劃分為大型、中型、小型、微型四類。針對不同企業規模分組進行檢驗，結果見表6。大數據技術對中、小、微企業信貸供給的作用效果高于大型企業，對小型和微型企業的提升作用優于中型企業。這說明企業規模越小，越受益于大數據技術發展所驅動的信貸供給增加。

合理的解釋在于，大數據興起之前，大型企業能夠憑借充足的抵押物獲得信貸，而中小微企業抵押物不足且“軟”信息相對缺失，這導致其融資成本偏高，從而受到信貸約束。隨著大數據技術的發展，商業銀行利用大數據技術將中小微企業“軟”信息“硬”化的可能性提高，“硬”信息海量化降低了中小微企業信用評估成本，有助于商業銀行更準確地進行貸前信息篩選和貸后風險管控，且在大數據技術賦能下，商業銀行會優化信貸結構，增加對薄弱領域的信貸供給，進而促進中小微企業增信獲貸。

3. 大數據技術發展階段。在不同的發展階段，大數據技術發展水平、速度等方面存在較大差異。為檢驗各階段大數據技術對山東省中小微企業信貸供給的差異性影響，按照上文階段劃分分組進行檢驗，估計結果見表7。在三個發展階段中，大數據技術與山東省中小微企業信貸供給均呈現高度正相關的狀態。同時，通過對比各階段BigData的標準化系數值可以看出，大數據技術對山東省中小微企業信貸供給的促進效果遵循“邊際效應遞減規律”。這一結果符合新事物發展的“生命周期理論”，即隨著大數據技術的不斷發展，其對山東省中小微企業信貸供給的促進作用會逐漸趨于穩定。

四、大數據技術作用于山東省中小微企業信貸供給的渠道檢驗

（一）貸前信息篩選渠道

大數據技術能夠挖掘更加透明、真實且充分的企業信息，從而降低銀企間信息不對稱程度，進而有利于引導商業銀行將信貸資源投向中小微企業。本文借鑒Fosu等（2017）[35]，采用分析師預測誤差表征銀企間信息不對稱程度。分析師是市場信息的傳遞者，發揮著信息中介作用。分析師預測誤差指標能夠反映市場間信息傳遞程度，該指標越大表明銀企間信息不對稱程度越高?；诖耍疚臉嫿ㄒ韵履Ｐ瓦M行檢驗：

[CreditSupplyjt=β0+β1BigDatat+β2Errort+β3BigDatat×Errort+β4Mtcontrol+β5Ijtcontrol+μi+εjt] （2）

其中，[Error]表示分析師預測誤差，為負向指標，數據來自國泰安數據庫，按照日頻取月均值，其他變量同前文設定一致。本文將重點關注交互項的系數[β3]，[β3]若顯著為負，則表示大數據技術可以通過降低銀企間信息不對稱促進山東省中小微企業信貸供給。表8列（1）匯報了模型（2）的回歸結果。交互項的系數在1%的水平上顯著為負，這一結果與預期相符。分析師預測誤差降低意味著能將更多市場信息傳遞給商業銀行與中小微企業，有利于降低銀企信息不對稱程度，因而大數據技術通過貸前信息篩選渠道對山東省中小微企業信貸供給發揮正向影響。

（二）貸后風險管控渠道

不良貸款率不僅可以影響商業銀行盈利能力，也會影響放貸能力。不良貸款率過高會導致商業銀行可貸資金減少，信貸風險加大。借鑒陳敏和高傳君（2022）[36]，本文使用不良貸款率滯后一階衡量商業銀行貸后風險。模型構建如下：

[CreditSupplyjt=γ0+γ1BigDatat+γ2NPLt+γ3BigDatat×L.NPLt+γ4Mtcontrol+γ5Ijtcontrol+μi+εjt]? （3）

其中，[NPL]為不良貸款率，其他變量定義同上。γ3若為負，說明大數據技術能夠通過降低不良貸款率，增加中小微企業信貸供給。具體結果見表8第（2）列，由表可知，交互項的系數在1%的水平上顯著為負，證實了大數據技術有利于降低不良貸款率，商業銀行損失降低、風控水平提升后，自然會增強“敢貸”的意愿，進而促進商業銀行對山東省中小微企業的信貸供給。

（三）渠道機制的差異性分析

根據前文異質性分析可知，大數據技術與山東省中小微企業信貸供給之間的關系會因商業銀行類型、企業規模等的不同而呈現差異。那么，大數據技術對中小微企業信貸供給的作用渠道是否又會因商業銀行類型差異、企業規模不同而產生差異？

1. 商業銀行類型。表9列（1）—（2）、（3）—（4）分別匯報了貸前信息篩選與貸后風險管控渠道中，大數據技術對山東省國有商業銀行、股份制商業銀行中小微企業信貸供給的回歸結果。分析發現，貸前信息篩選渠道中，國有商業銀行、股份制商業銀行交互項的估計系數均顯著為負，且股份制商業銀行更受益于貸前信息篩選；在貸后風險管控渠道中，大數據技術僅會通過貸后風險管控渠道作用于股份制商業銀行，而對國有商業銀行無明顯作用，即大數據技術能夠顯著降低股份制商業銀行中山東省中小微企業的不良貸款率。這一結果并不令人意外，相比于股份制商業銀行，國有商業銀行客戶以大型企業為主，且長期占據絕大部分的信貸資源，客觀上信息不對稱與風險問題更小。因而，國有商業銀行借助大數據技術打破銀企間的信息與風險藩籬，進而紓解中小企業融資約束的實際效果就會大為縮減。相比之下，股份制商業銀行更“樂意和主動”借助大數據技術打破銀企信息與風險壁壘，拓展中小微企業“長尾”市場。

2. 商業銀行類型與企業規模。表10中Panal列A為貸前信息篩選渠道估計結果。從交互項的系數來看，大數據能夠顯著降低國有和股份制商業銀行與山東省大、中、微型企業的貸前信息不對稱程度，且貸前信息篩選渠道對山東省微型企業信貸供給的促進效果最強。

Panal B為貸后風險管控渠道估計結果。第（1）—（4）列國有商業銀行結果顯示，大數據技術對山東省企業信貸供給的影響效果在大中型企業與小微型企業中差距較為明顯。具體來說，交互項的系數在第（1）、（2）列為負，而在第（3）、（4）列為正，這表明大數據技術能夠降低國有商業銀行與大中型企業之間的不良貸款率，但是會顯著提升小微型企業不良貸款率。對此可能的解釋是，國有商業銀行貸款給大中型企業，大中型企業有實力償還貸款，因而能夠降低不良貸款率。而對于小微型企業而言，雖然大數據技術能夠幫助國有商業銀行在貸前通過收集小微型企業“軟”信息進行授信篩選，在一定程度上有助于避免道德風險，但是小微型企業囿于弱質資產、市場敏感性極強等自身的局限性，借貸風險高于大中型企業，不可避免地會因管理不善、市場沖擊等原因無法按時償還貸款，反而會加大不良貸款率。另外，商業銀行為降低風險也將減小對小微型企業的信貸供給，此時，小微型企業無法通過再貸款以分散風險，進一步導致不良貸款率上升。綜上，大數據技術一定程度上紓解了小微型企業融資困境，但是在這一發展環境下，也使小微型企業更容易暴露自身劣勢。因而，國有商業銀行的借貸客戶通常為各項資質優的大型企業。此外，第（5）—（8）列為股份制商業銀行檢驗結果，通過觀察交互項系數可知，大數據技術能夠顯著降低大、中、小這三種規模企業的不良貸款率。進一步對比標準化系數值發現，大型企業會更加受益于股份制商業銀行的貸后風險管控渠道，大數據技術對該類型企業不良貸款率的降低效果最突出。

五、結論與建議

（一）研究結論

本文以山東省為例，選取2012—2020年山東省14家商業銀行作為研究樣本，構建“大數據技術—中小微企業信貸供給”理論框架，在檢驗大數據技術對山東省中小微企業信貸供給實際影響效果的基礎上，分別從貸前、貸后兩個環節探究大數據技術作用于山東省中小微企業信貸供給的內在機理，并對比商業銀行層面和企業層面傳導渠道效果的異質性。研究結果表明：

1. 大數據技術顯著促進了山東省中小微企業信貸供給。一方面，商業銀行借助大數據技術獲取中小微企業海量真實“軟”信息，緩解了銀企間信息不對稱，有利于中小微企業獲得信貸。另一方面，大數據技術能夠幫助商業銀行建立大數據風控系統，有利于實現商業銀行低風險與中小微企業融資需求“小額、高頻”的精準匹配。這不僅使得中小微企業不良貸款率大大下降，同時商業銀行風控能力也有所提升。在這兩方面的作用下，解決了商業銀行“不敢貸、不愿貸”的顧慮，商業銀行事前放貸積極性和風險承擔意愿得以提升，從而帶來山東省中小微企業信貸供給的增加。

2. 大數據技術對山東省中小微企業信貸供給的影響存在異質性。從商業銀行類型來看，相比于國有商業銀行，股份制商業銀行在大數據技術的驅動下，拓展中小微企業客戶的動力明顯更強烈。從企業類型來看，大數據技術能夠為商業銀行提供充足的中小微企業“軟”信息，因而其對中小微企業信貸供給的提升效果高于大型企業。從大數據發展階段來看，大數據技術對山東省中小微企業信貸供給的促進效果遵循“邊際效應遞減規律”，推動作用逐漸趨于穩定。

3. 大數據技術能夠通過貸前信息篩選、貸后風險管控兩條傳導渠道作用于山東省中小微企業信貸供給。具體而言，貸前信息篩選方面，大數據技術能夠將“軟”信息硬化，使得商業銀行在事前低成本地對中小微企業精準畫像，高效緩解了信息不對稱，有助于擴大中小微企業信貸供給；貸后風險管控方面，大數據技術可以協助商業銀行構建大數據風控系統，實現風險的精準預估與監測，這不僅可以降低不良貸款率，而且在商業銀行風險管控能力提升的影響下，商業銀行會更加“敢貸”于中小微企業，從而促進中小微企業信貸供給。進一步研究發現，對于不同商業銀行類型，貸前渠道中大數據技術的引入對國有與股份制商業銀行均有效，貸后渠道僅作用于股份制商業銀行。對于不同商業銀行類型與企業規模，貸前渠道對兩類商業銀行的大、中、微型企業信貸供給有顯著影響，貸后渠道對股份制商業銀行大、中、小型企業信貸供給的促進效果更為顯著。

（二）對策建議

基于以上結論，為實現大數據技術助推山東省中小微企業信貸供給，提出以下對策建議：

1. 不斷增強大數據技術在緩解中小微企業融資約束中的積極作用。發展并應用大數據技術是我國未來發展的必然選擇。資金短缺是當前限制山東省中小微企業發展的最大問題，政府、金融機構、中小微企業應當大力推進大數據技術的應用，構建數據信息共享平臺，重構以“數字匹配”為特征的銀企關系，強化銀企之間的良性互動，為銀企破冰，從而促進中小微企業信貸供給，帶動山東省中小微企業全面發展。

2. 依據商業銀行類型、企業規模有差別地推動大數據技術發展。大數據技術能在多大程度上緩解中小微企業融資約束取決于商業銀行原有獲取“軟”信息的能力、企業規模等稟賦條件。本文證明了大數據技術對中小微企業信貸供給的提升效果強于大型企業，股份制商業銀行在擴大中小微企業信貸供給方面更具有潛力和比較優勢。鑒于此，政府既要高度重視大數據體系建設，也要立足于商業銀行類型有針對性地實行差異化策略，尤其應鼓勵股份制商業銀行推進金融與大數據技術的數字化轉型，重點應用大數據技術破解中小微企業的融資約束問題，避免政策“一刀切”。

3. 有效疏通大數據技術的貸前貸后傳導渠道。貸前信息篩選渠道中，大數據技術能否幫助中小微企業改善信貸供給的關鍵在于中小微企業信息獲取以及銀企間的互動性。而這些既需要金融機構打破數據孤島，合理運用大數據技術加強構建數據疏通渠道，也需要主動培養“中小微熟客”，緊密銀企關系以提供融資便利。貸后風險管控渠道中，需要多方協同努力，商業銀行應該主動借助大數據風控體系，提升風險防控能力，將中小微企業各類資源轉為可抵押可控的信貸資源，增加中小微企業信貸供給；中小微企業也應規范經營提升自身軟實力與信用等級，強化創新能力，積極適應大數據支持下的智能審貸，為商業銀行加大中小微企業信貸供給創造良好的外部環境。

注：

①多數研究表明，小微信貸市場中，供不應求的現狀長期存在，這導致小微信貸市場中供給方占據主導地位?；诖?，本文使用商業銀行貸款余額表征銀行對中小微企業的信貸供給。

②步驟一：指標標準化。正向指標：[xij=xij-min{xij…xnj}max{xij…xnj}-min{xij…xnj}]；負向指標：[xij=max{xij…xnj}-xijmax{xij…xnj}-min{xij…xnj}]。步驟二：計算指標熵值。[pij=xiji=1nxij]。步驟三：計算指標熵權。[wj=djj=1mdjdj=1-ej;ej=-1lnni=1npijlnpij]。步驟四：測算綜合指數。[si=j=1mwjpij]。

③本文運用“山東省+大數據技術關鍵詞”“百度搜索指數”度量的山東省大數據技術發展水平這一指標是相對外生的，其受到個體企業行為的影響較小。因此，反向因果問題較弱。

④本文采用搜狗搜索指數、360趨勢指數重新構建山東省大數據技術發展指數，進行穩健性檢驗。

⑤標準化系數=未標準化自變量系數×（對應自變量標準差/因變量標準差）。

參考文獻：

[1]李建軍.金融科技理論與實踐 [M].北京：中國財政經濟出版社，2021年.

[2]王烽權，江積海，王若瑾.人工智能如何重構商業模式匹配性？——新電商拼多多案例研究 [J].外國經濟與管理，2020，42（07）.

[3]李勇建，陳婷.區塊鏈賦能供應鏈：挑戰、實施路徑與展望 [J].南開管理評論，2021，24（05）.

[4]劉婷，李冬.區塊鏈技術與供應鏈金融深度融合發展體系研究 [J].金融發展研究，2021，（11）.

[5]劉乃梁，呂豪杰.金融科技數據壟斷：源流、風險與治理 [J].財經科學，2022，（03）.

[6]唐跟利，陳立泰.大數據驅動區域公共服務一體化：理論邏輯、實現機制與路徑創新 [J].求實，2021，（05）.

[7]劉音露，張平，徐曉萍.征信活動、信息技術進步與信貸表現 [J].國際金融研究，2019，（11）.

[8]Marko Jak?i?，Matej Marin?. 2019. Relationship Banking and Information Technology：the Role of Artificial Intelligence and FinTech [J].Risk Management，21（01）.

[9]盛天翔，朱政廷，李祎雯.金融科技與銀行小微企業信貸供給：基于貸款技術視角 [J].管理科學，2020，33（06）.

[10]金洪飛，李弘基，劉音露.金融科技、銀行風險與市場擠出效應 [J].財經研究，2020，46（05）.

[11]粟勤，楊景陸.金融科技、中小銀行小微企業信貸供給與風險 [J].現代經濟探討，2022，（04）.

[12]黃子健，王龑.大數據、互聯網金融與信用資本：破解小微企業融資悖論 [J].金融經濟學研究，2015，30（01）.

[13]許志勇，劉宗慧，彭蕓.中小企業資產、價值、大數據與平臺融資 [J].中國軟科學，2021，（12）.

[14]姜婷鳳，易潔菲.數字經濟時代降低小微企業融資成本的路徑——信息對稱與風險分擔 [J].金融論壇，2022，27（05）.

[15]宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角 [J].中國工業經濟，2021，（04）.

[16]王奕婷，羅雙成.金融科技與商業銀行經營績效——基于風險承擔的中介效應分析 [J].金融論壇，2022，24（07）.

[17]Allen N. Berger，Lamont K. Black. 2010. Bank Size，Lending Technologies，and Small Business Finance [J].Journal of Banking and Finance，35（03）.

[18]黃益平，邱晗.大科技信貸：一個新的信用風險管理框架 [J].管理世界，2021，37（02）.

[19]黃銳，賴曉冰，唐松.金融科技如何影響企業融資約束？——動態效應、異質性特征與宏微觀機制檢驗 [J].國際金融研究，2020，（06）.

[20]王馨.互聯網金融助解“長尾”小微企業融資難問題研究 [J].金融研究，2015，（09）.

[21]張金清，李柯樂，張劍宇.銀行金融科技如何影響企業結構性去杠桿？ [J].財經研究，2022，48（01）.

[22]Yiping Huang，Longmei Zhang，zhenhua Li，Han Qiu，Tao Sun，Xue Wang. 2020. Fintech Credit Rist Assessment for SMEs：Evidence from China [R].IMF Working Paper NO. 20/193，September.

[23]Leonardo Gambacorta，Yiping Huang，Han Qiu，Jingyi Wang. 2019. How Do Machine Learning and Non-Traditional Data Affect Credit Scoring：New Evidence from A Chinese Fintech Firm [R].BIS Working Paper No. 834，December.

[24]Maoyong Cheng，Yang Qu. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63（03）.

[25]郭品，沈悅.互聯網金融、存款競爭與銀行風險承擔 [J].金融研究，2019，（08）.

[26]李向前，賀卓異.金融科技發展對商業銀行影響研究 [J].現代經濟探討，2021，（02）.

[27]施炳展，金祥義.注意力配置、互聯網搜索與國際貿易 [J].經濟研究，2019，54（11）.

[28]盛天翔，范從來.金融科技、最優銀行業市場結構與小微企業信貸供給 [J].金融研究，2020，（06）.

[29]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，（01）.

[30]沈悅，郭品.互聯網金融、技術溢出與商業銀行全要素生產率 [J].金融研究，2015，（03）.

[31]張琳，廉永輝，辛兵海.宏觀經濟不確定性、銀行異質性和信貸供給 [J].當代經濟科學，2015，37（04）.

[32]孫國峰，欒稀.補充銀行資本能調節貸款供給嗎？[J].國際金融研究，2021，（08）.

[33]金雪軍，徐凱翔.金融危機、貨幣政策與信貸供給——基于公司層面銀行信貸數據的經驗研究 [J].經濟理論與經濟管理，2016，（12）.

[34]鄺雄，胡南賢，徐艷.貨幣政策不確定性與銀行信貸決策——基于新聞報道文本分析的實證研究 [J].金融經濟學研究，2019，34（05）.

[35]Samuel Fosu，Collins G. Ntim，William Coffie，Victor Murinde. 2017. Bank Opacity and Risk-Taking：Evidence from AnalystsForecasts [J].Journal of Financial Stability，（33）.

[36]陳敏，高傳君.金融科技發展與我國銀行風險承擔行為 [J].學習與實踐，2022，（01）.