數字金融、信貸期限結構與企業投資行為

摘?要：利用2011-2020年中國A股非金融上市企業年度財務數據和宏觀經濟數據，基于信貸期限結構視角實證檢驗數字金融對企業實業投資和金融投資的作用效應和內在機理。研究發現，數字金融能夠顯著提升企業的信貸期限結構；數字金融通過延長企業信貸期限調節企業投資行為，促進企業實業投資，抑制金融投資；數字金融對企業實業投資和金融投資的影響在高融資約束和市場化程度高地區企業中更為顯著；數字金融對企業投資行為的作用效應能夠提升企業創新水平和降低經營風險。

關鍵詞：數字金融；信貸期限結構；實業投資；金融投資

中圖分類號：F120??文獻標識碼：A??文章編號：1001-148X（2023）05-0121-09

收稿日期：2023-01-12

作者簡介：毛建輝（1990-），男，江西上饒人，講師，碩士生導師，博士，研究方向：資本市場與公司治理。

基金項目：江西省教育廳科技項目，項目編號：GJJ2200509；中國博士后基金項目，項目編號：2021M691353。

一、引?言

近年來，金融部門快速膨脹和實體企業的金融資產過度投資問題凸顯，中國經濟整體上呈現“脫實向虛”現象。國家統計局公布的2020年年度數據顯示，即使在經濟增長放緩背景下，金融業增加值同比增長率仍然達到7%，而制造業增加值同期增長率僅有2.3%。由此可見，實體企業熱衷于將資金配置到金融資產，導致主業發展受挫，研發資金持續緊張，企業金融化趨勢明顯［1］。然而，“實體為本，金融為器”，資金在金融體系空轉容易誘發風險，不利于中國經濟高質量發展。因此，如何抑制實體企業過度金融投資，引導金融回歸服務實體經濟的本源，對正處于轉型期的中國經濟意義重大。黨的十九大報告指出，“必須把發展經濟著力點放在實體經濟上，守住不發生系統性金融風險的底線，深化金融體制改革，增強服務實體經濟的能力。”2020年召開的兩會強調，“增加企業實業投資，提高企業的競爭力和綜合實力，是中國經濟高質量發展必不可少的一環。”

金融是經濟運行的中樞，為經濟增長提供了驅動力。數字金融作為新興業態，利用數字技術實現了傳統金融業務與新型金融模式的融合，是深化金融改革的重要創新。已有文獻關注了數字金融對企業的影響。大部分研究肯定了數字金融對企業的積極效應，解維敏等（2021）［2］發現數字金融提升了信貸資源配置效率。陳中飛和江康奇（2021）［3］研究發現數字金融顯著促進企業全要素生產率的提升。馬連福和杜善重（2021）［4］發現數字金融能夠提升企業的風險承擔水平。但也有部分學者認為數字金融發展會對企業產生負面影響。例如李揚（2019）［5］發現數字金融增強了金融風險的復雜性和隱蔽性，提高了金融監管的難度，為實體企業進行金融套利提供了規避監管的機會。由此可見，數字金融對原有金融生態的重塑，改變了企業投融資環境，必然會影響企業投資行為。那么，數字金融是促進還是抑制企業實業投資和金融投資？內在機理是怎樣的？這種作用效力是否會受企業異質性和環境的影響？數字金融對企業投資行為影響的經濟效果怎樣？這些都是本文有待進一步探索的問題。

本文的邊際貢獻：第一，已有關于數字金融與企業投資行為關系的研究主要基于融資約束［6］、管理層短視［7］等視角，本文首次基于信貸期限結構分析兩者間的關系，有效彌補了已有研究的不足；第二，已有關于企業投資的相關研究大部分是以實業投資和金融投資主體單獨展開，并且認為兩者存在“此消彼長”的關系，鮮有將兩者置于統一的框架下驗證這種關系，本文研究擴展了已有研究的深度和廣度。

二、理論分析與研究假設

新古典經濟學說認為，金融發展難以滿足經濟發展所需時，金融能夠激發資源配置功能，促進經濟增長。數字金融作為金融發展在數字時代的實踐應用，其發展促進了金融創新，帶動了金融工具種類的增多和服務范圍的擴大，為企業提供資金支持，有效引導資本配置，進而對企業投資行為產生影響。具體而言：

第一，數字金融可以通過數字技術的運用彌補傳統金融的缺陷，提升金融服務實體項目效率，提高企業實業投資。首先，數字金融通過場景、數據的運用，使得金融運行體系更加便捷、高效、安全，降低實體項目金融服務門檻，改善了企業實業投資的融資環境，促進企業實業投資。其次，數字金融極大提升了金融機構信息發布、搜索以及信息整合能力，有利于評估企業實業投資的融資需求，準確估算企業的融資缺口，緩解企業實業投資與金融服務的結構性錯配問題，降低企業實業投資融資成本，激發企業實業投資活力。最后，數字金融通過數字技術運用，提高了信貸審批效率，壓縮了尋租空間，在完成資金供需匹配的同時，也引導資金流向具有投資潛力的實業投資項目，極大提升了企業實業投資項目的融資效率，進而促進企業實業投資。

第二，數字金融抑制了融資優勢企業影子銀行的規模和金融投資回報率，進而抑制企業金融投資。一方面，數字金融從供需兩個層面影響融資優勢企業影子銀行的規模。從需求層面而言，數字金融提升了中小企業金融服務的覆蓋率［8］，使得“金融機構-融資優勢企業-中小企業”的資金供應鏈模式發生改變，降低了中小企業對影子銀行資金的依賴度，降低了企業實業投資的融資成本，進而促進實業投資。從供給層面而言，銀行信貸市場與影子銀行的貸款業務存在競爭關系，數字金融發展降低了金融機構與中小企業的信息不對稱，使得金融機構通過影子銀行將信貸資金二次配置給中小企業的供給減少，降低了非金融企業金融資產配置的意愿。另一方面，數字金融可以影響融資優勢企業的金融投資回報率，進而降低企業金融投資意愿。數字金融通過大數據、區塊鏈等數字技術進行信用評估，降低了金融機構與中小企業之間的信息不對稱，使得中小企業獲得信貸資金的難度降低，減少了其對資本成本較高企業的融資意愿，進而使得融資優勢企業通過影子銀行渠道獲得金融投資的回報率下降，進而抑制企業金融投資。

第三，數字金融引導資本流向實體經濟，進而促進企業實業投資，抑制金融投資。首先，數字金融通過云數據的挖掘和整理有助于形成更為精確的信用評估結果，以合理的期限結構和風險滿足企業實業投資的資本需求，防范金融資源錯配，引導資本流向企業實業投資，降低金融投資。其次，數字金融對傳統金融業務的完善不僅有助于緩解企業實體項目的融資約束，防范冷性市場扭曲，還能提高融資項目各項數據的精準度，降低金融機構的不良貸款率，緩解熱性市場扭曲，提升企業實業投資項目金融資源的配置效率，增加資本積累。最后，數字金融運用數字技術對企業數據的精準挖掘和分析，有助于政府掌握企業財務掌握，發放財政補貼和稅收返還等緩解企業融資約束，降低市場失靈帶來的損失，促進企業資本積累。當企業資本積累達到一定程度時，不僅有助于提升企業的內源性融資能力，將企業儲蓄轉為實業投資，還能遏制企業為獲得現金流而持有金融資產，進而抑制企業金融投資。

基于以上分析，本文提出以下假設：

H1：數字金融抑制企業金融投資。

H2：數字金融促進企業實業投資。

金融機構信貸契約的主要目標是實現收益最大化，債務期限作為信貸契約的重要條款，規范著借貸雙方的權力和義務。隨著債務期限的延長，金融機構越缺乏企業未來財務狀況信息，即借貸雙方的信息不對稱程度會隨著債務期限的延長而變得越嚴重［9］。當企業與金融機構的信息不對稱程度較低時，企業提供的財務信息質量較高，金融機構對企業監督的難度降低，金融機構為其發放長期貸款的意愿增加。而當企業與金融機構的信息不對稱程度較高時，企業提供的財務信息透明度較低，金融機構對企業的監管難度升高，為降低信貸風險，金融機構為其提供長期貸款的意愿下降。數字金融通過數字技術的運用，使得銀行等信貸機構能夠對企業信息做全方位的搜集和評估，構建全面的信用評估系統，降低企業與金融機構的信息不對稱，優化信貸風險識別方式，進而使得金融機構為企業提供長期貸款的意愿增加。基于以上分析，本文提出以下假設：

H3：數字金融具有期限結構效應，數字金融有效延遲企業的信貸期限結構。

通過前面分析可知，數據金融具有信貸期限結構效應，有效延長了企業的信貸期限。期限匹配理論認為，當企業的債務期限與資產期限相匹配時，可以降低資產現金流不足以滿足利息支付和投資所需產生的風險［10］。因此，信貸期限結構是決定企業投資行為的前置因素，金融機構信貸資金供給與企業資金需求期限是否匹配是影響企業投資結構的重要原因。實業投資和金融投資的投資期限存在顯著差異，其中，實業投資具體投資周期長、不可逆等特點，而金融投資的投資周期則相對較為靈活。對于實業投資而言，當企業信貸期限結構與實業投資相匹配時，即信貸期限延長，企業的資產流動性壓力下降，激勵企業選擇實業投資［11］。對于金融投資而言，隨著信貸期限的延長，企業現金流的穩定性提升，通過跨期儲備流動性的必要性下降。此外，張前程和范從來（2021）［12］發現，期限結構效應有助于推動技術進步和基礎設施建設進而提升實業投資的回報率，使得實業投資和金融投資的收益差距縮小，企業進行金融投資套利的動機減弱。由此可見，數字金融的期限結構效應促進企業的實業投資，抑制企業的金融投資。基于以上分析，本文提出以下假設：

H4：數字金融的期限結構效應對企業投資行為具有顯著影響，即數字金融改善了企業的信貸期限結構，強化了企業實業投資，弱化了企業金融投資。

三、研究設計

（一）數據來源與樣本選取

本文研究樣本為2011-2020年滬、深A股上市企業年度觀測值。財務治理和宏觀經濟數據來源于萬得數據庫和國泰安數據庫，數字金融數據來源于北大互聯網金融中心編制的《數字普惠金融指數》，并將原始數據按以下標準做了處理：（1）剔除銀行、保險等金融行業上市公司；（2）剔除樣本缺失嚴重的上市公司；（3）剔除樣本期內被標注ST和*ST的上市公司；（4）剔除資不抵債等數據異常的上市公司；（5）為保持樣本觀測值的連續性，剔除上市不足三年的上市公司；（6）為降低數據離群值對回歸分析的干擾，對主要連續變量做了上下?1%?縮尾處理。經過以上處理，最終獲得26744個企業—年度樣本觀測值。

（二）模型構建

為了研究數字金融、信貸期限結構與企業投資行為的關系，并驗證研究假設是否成立，本文設計多元回歸模型進行檢驗。模型（1）和模型（2）主要考察數字金融對企業實業投資和金融投資的影響，檢驗假設H1和假設H2。

CAPINVit=α0+α1DIFjt-1+∑αCONTROL+εit（1）

FPINVit=β0+β1DIFjt-1+∑βCONTROL+εit（2）

其中，CAPINV表示企業實業投資，FPINV表示企業金融投資，DIF表示數字金融，CONTROL表示企業控制變量，包括企業和宏觀層面，ε表示殘差項。考慮到系統可能存在的內生性問題，如無特殊說明，本文將所有回歸方程的解釋變量和控制變量均做滯后一期處理。如果假設H1和假設H2成立，則要求DIF的系數通過顯著性檢驗，并且α1>0，β1<0。

模型（3）主要考察數字金融對企業信貸期限結構的影響，檢驗假設H3。

DEBTit=γ0+γ1DIFit-1+∑γCONTROL+εit（3）

其中，DEBT表示信貸期限結構，DIF表示數字金融，CONTROL表示企業控制變量，包括企業和宏觀層面，ε表示殘差項。如果假設H3成立，則要求DIF的系數通過顯著性檢驗，并且γ1>0。

模型（4）和模型（5）結合前面模型主要考數字金融的期限結構效應對企業投資行為的影響，檢驗假設H4。

CAPINVit=α′0+α′1DIFjt-1+α′2DEBTit-1+∑α′CONTROL+εit?（4）

FPINVit=β′0+β′1DIFjt-1+β′2DEBTit-1+∑β′CONTROL+εit（5）

其中，CAPINV表示企業實業投資，FPINV表示企業金融投資，DIF表示數字金融，DEBT表示信貸期限結構，CONTROL表示企業控制變量，包括企業和宏觀層面，ε表示殘差項。如果假設H4成立，則要求DEBT的系數通過顯著性檢驗，并且α′1>0，β′1<0。

（三）變量定義

1.被解釋變量

企業投資行為（INV）：本文將企業投資行為區分為金融投資和實業投資兩個維度度量。具體定義如下：

實業投資（CAPINV）：借鑒張成思和張步曇（2016）［13］的研究，本文采用固定資產、無形資產和其他長期資產支付的現金在總資產的占比衡量實業投資，公式為，CAPINV?=（固定資產+無形資產+其他長期資產支付的現金）/總資產。

金融投資（FPINV）：金融投資通常采用金融資產持有水平和金融渠道獲利的占比衡量。其中，金融資產持有水平是一個靜態指標，主要用于刻畫企業的“預防性儲蓄”動機［14］。金融渠道獲利占比是一個動態指標，在一定程度上反映企業金融資產投資動態變化。此外，我國會計準則對企業金融資產的會計處理尚不規范，金融資產的投資活動資料分散在多個會計科目中，如果簡單加總很可能會產生一定的衡量誤差［15］。因此，本文借鑒Demir（2009）［16］的研究，采用金融渠道獲利占比衡量企業金融投資，公式為，FPINV1?=（投資收益+公允價值變動損益+凈匯兌收益—聯合或合營企業的投資收益—營業利潤）/營業利潤絕對值。

2.解釋變量

數字金融（DIF）：借鑒郭峰等（2020）［17］的研究，本文采用北大互聯網金融中心編制的《數字普惠金融指數》衡量各省份數字金融發展水平，鑒于數字普惠金融指數數值較大，本文將其除以100，同時在穩健性檢驗中，采用各地級市《數字普惠金融指數》衡量數字金融發展水平。

信貸期限結構（DEBT）：借鑒張前程和范從來（2021）［12］的研究，本文采用長期借款占借款總額的比重衡量，DEBT的值越大，表明企業信貸期限結構越長。

3.控制變量

借鑒毛新述等（2022）［18］的研究，本文加入一系列可能影響企業投資行為企業特征和宏觀經濟變量作為控制變量。企業特征變量主要有：企業規模（SIZE，總資產取自然對數）、企業年齡（AGE，觀測時間減成立時間取自然對數）、盈利能力（ROA，凈利潤與總資產的比值）、成長能力（GROWTH，營業收入增長速度）、資產負債率（LEV，總負責與總資產的比值）、總資產周轉率（TOVER，營業收入與總資產的比值）、托賓Q值（TQ，市值與總資產的比值）、現金流量凈額（FCF，經營活動產生的現金流量凈額與凈利潤的比值）、產權性質（SOE，國有企業取值為1，否則取值為0）。宏觀經濟變量主要有：經濟發展（GGDP，GDP增長速度）、貨幣政策（GM2，M2增長速度）。

（四）描述性統計

表2為變量描述性統計結果，由表中結果可知，就企業投資行為（INV）而言，實業投資的均值為0.04590，最小值為0.00165，最大值為0.14417，說明A股上市企業實業投資占比不高，并且不同企業的實業投資存在較大差異。金融投資的均值為-0.54531，標準差為0.7909，結合前文金融投資的定義可知，如果企業不存在金融投資行為，FPINV值需要小于-1［16］，說明A股上市企業存在一定的金融投資行為，并且不同企業投資程度存在較大差異。就數字金融（DIF）而言，標準差為0.97030，最小值為0.1622，最大值為4.31927，說明不同地區的數字金融發展程度差異明顯，最差的地區僅為最好地區額1/27。就信貸期限結構（DEBT）而言，均值為0.27955，說明A股上市長期貸款在企業貸款占比不高，僅為短期貸款的1/2.58，這可能與長期貸款風險較高，為降低壞賬比率，銀行放貸相對比較謹慎有關。其余變量的控制與已有研究保持一致，不再贅述。

四、實證結果分析

（一）數字金融對企業投資行為的影響及傳導機制檢驗

表3為數字金融對企業投資行為的影響及傳導機制檢驗的實證結果。列（I）和列（II）為未加入控制變量模型（1）和模型（2）的估計結果，列（III）和列（IV）為加入控制變量后模型（1）和模型（2）的估計結果，由表中結果可知，列（I）和列（III）中數字金融（DIF）的系數顯著為正，列（II）和列（IV）中數字金融（DIF）的系數顯著為負，說明數字金融對企業實業投資具有顯著正向影響，而對金融投資具有顯著負向影響，即數字金融促進企業實業投資，抑制金融投資，支持了本文假設H1和假設H2。正如前面分析所述，數字金融通過數字技術的運用彌補了傳統金融的缺陷，提升了金融服務實體項目的效率，抑制融資優勢企業影子銀行的規模和金融投資回報率，引導資本流向實體經濟，進而促進企業實業投資，抑制金融投資。列（V）為模型（3）的估計結果，數字金融（DIF）的系數顯著為正，說明數字金融對企業信貸期限結果具有顯著正向影響，即數字金融有效延長企業信貸期限結構，支持了本文假設H3。正如理論分析所言，數字金融通過數字技術的運用，使得銀行等信貸機構能夠對企業信息做全方位的搜集和評估，降低企業與金融機構的信息不對稱，優化信貸風險識別方式，進而使得金融機構為企業提供長期貸款的意愿增加，進而延長企業信貸期限結構。列（VI）和列（VII）為模型（4）和模型（5）的估計結果，列（VI）中信貸期限結構的系數顯著為正，列（VII）中信貸期限結構系數顯著為負，同時結合列（III）-（V）的實證結果，說明數字金融的期限結構效應對企業投資行為具有顯著影響，即數字金融改善了企業的信貸期限結構，強化了企業實業投資，弱化了企業金融投資，支持了本文假設H4。正如假設分析所述，數據金融具有信貸期限結構效應，有效延長了企業的信貸期限結構，信貸期限結構延長有助于推動技術進步和基礎設施建設進而提升實業投資的回報率，使得實業投資和金融投資的收益差距縮小，企業進行金融投資套利的動機減弱。

（二）穩健性檢驗限于篇幅，假設H2和假設H3穩健性檢驗結果未做報告，如有需要可向作者索取。

1.替換企業投資行為變量

一方面，考慮到處置資產收回產生現金凈額的影響，借鑒柯艷蓉等（2019）［19］的研究，本文在實業投資變量中考慮這一因素的影響作為穩健性檢驗，公式為，CAPINV′?=（固定資產+無形資產+其他長期資產支付的現金—處置資產收回的現金凈額）/總資產。另一方面，借鑒顧雷雷等（2020）［20］的研究，本文采用企業期末金融資產持有水平衡量企業金融投資，公式為，FPINV′?=金融資產/總資產。表4提供了替換投資行為變量的實證結果，由表中結果可知，列（I）中數字金融（DIF）的系數顯著為正，列（II）中數字金融（DIF）的系數顯著為負，這與前文回歸結果完全一致，表明替換企業投資行為變量后，數字金融與企業投資行為的結論是穩健的。

2.替換數字金融變量

借鑒徐偉呈等（2022）［21］的研究，本文采用地級市層面數字金融指數衡量數字金融發展水平。由表4實證結果可知，列（III）中數字金融（DIF）的系數顯著為正，列（IV）中數字金融（DIF）的系數顯著為負，這與前文的回歸結果保持一致，表明替換數字金融變量后，數字金融與企業投資行為的結論依然穩健。

3.?替換研究方法

在公司金融相關研究中，采用多元回歸模型同時固定行業是一種比較常規的做法，但考慮到內生性問題產生的復雜性，本文調整研究方法進行穩健性檢驗。具體參考陶峰（2017）［22］的研究，采用“企業—年份”雙向固定效應模型，并按地級市進行聚類調整。由表4實證結果可知，列（V）中數字金融（DIF）的系數顯著為正，列（VI）中數字金融（DIF）的系數顯著為負，這與前文回歸結果保持一致，表明替換研究方法后，數字金融與企業投資行為的結論依然穩健。

4.考慮其他因素的影響

在研究區間中，2015年股市上下劇烈震蕩，期間金融資產價格波動劇烈，企業實業投資和金融資產波動劇烈，數字金融對企業投資行為的影響可能不能得到很好反映，因此，本文將2015年的樣本剔除后再次進行穩健性檢驗。由表5實證結果可知，列（I）中數字金融（DIF）的系數顯著為正，列（II）中數字金融（DIF）的系數顯著為負，這與前文回歸結果完全一致，表明數字金融與企業投資行為的結論是穩健的。表明考慮其他因素的影響后，數字金融與企業投資行為的結論是穩健的。

5.考慮內生性問題

考慮到變量間反向因果關系引致的內生性問題，本文借鑒謝絢麗等（2018）［23］的研究，以滯后一期的省級互聯網普及率作為工具變量，采用兩階段回歸法再次進行回歸分析。列（III）的結果顯示，工具變量（互聯網普及率）與數字金融存在顯著正相關關系，并且列（III）一階回歸的F統計量值為20.16，Cragg-Donald?Wald?F統計量值為127.63，表明工具變量互聯網普及率滿足相關性要求并且不存在工具變量識別不足和弱工具變量問題。表5列（IV）中數字金融（DIF）的系數顯著為正，列（V）中數字金融（DIF）的系數不顯著，但系數為負，這與前文回歸結果基本一致，表明數字金融與企業投資行為的結論是穩健的。表明考慮內生性問題后，數字金融與企業投資行為的結論依然穩健。

五、進一步研究

（一）異質性分析

1.融資約束異質性

一般而言，融資約束高的企業陷入財務困境的可能性較大，為了規避風險，金融機構向其提供信貸支持的意愿下降，使得這類企業面臨更大的融資約束。數字金融借助大數據、人工智能等數字技術為信貸業務注入智慧因素，通過對企業多維度數據的搜集、處理和決策，深層次剖析企業信用和經營狀況，全方位識別企業償債能力和意愿，精準授予企業信貸額度，有效提高金融機構的風險控制能力，進而緩解高融資約束企業的融資約束問題。因此，數字金融對高融資約束企業實業投資的提升起到了“雪中送炭”作用，但隨著融資問題的改善，這種促進作用減弱。對于企業的金融投資，當企業融資約束較高時，為了預防財務危機，企業會降低實業資產，增加短期金融資產的持有量，而隨著數字金融發展使得融資約束降低，企業會將更多資金投向實業投資，抑制金融投資。當企業融資約束較低時，企業基于預防動機持有短期金融資產的動機下降，因而數字金融對低融資約束企業的金融投資影響不顯著。由此，本文進一步檢驗數字金融對企業投資行為的影響是否會因企業融資約束差異而表現有所不同。借鑒Hadlock?et?al（2010）［24］的研究，構建SA指數衡量融資約束，將樣本分為高融資約束和低融資約束兩組。表6提供了實證結果，由表中結果可知，列（I）和列（II）中數字金融（DIF）系數均顯著為正，并且列（I）系數大于列（II），表明數字金融對高融資約束企業實業投資的促進作用大于低融資約束企業。列（III）中數字金融（DIF）系數顯著為負，列（IV）中數字金融（DIF）系數不顯著，表明數字金融抑制高融資約束企業金融投資，而對低融資約束企業影響不顯著。

2.市場化異質性

在市場化程度高的地區，必然伴隨較高的經濟發展程度和健全的競爭機制，產品和要素市場發育比較完善，資金、人才、技術等生產要素流動障礙小，市場交易成本低，有助于充分挖掘數字金融的驅動效力，改善傳統金融的不足。例如，普惠金融將公共數據進一步拓展和透明化，使得公共數據與傳統金融機構的金融數據有機結合，減緩企業與金融機構間的信息不對稱，獲得信貸支持，緩解融資約束，進而促進企業的實業投資，提高資本的配置效率，并引導資金從金融領域流向實業領域，抑制企業的金融投資；在市場化程度低的地區，由于市場發育和要素市場的不完善，為數字金融提供的支持有限，因而其對企業實業投資的正向促進作用較小，企業金融投資的敏感度較低。由此，本文進一步檢驗數字金融對企業投資行為的影響是否會因地區市場化程度差異而表現有所不同。本文采用市場化指數將各省區分為高市場化地區和低市場化地區兩組。表6提供了實證結果，由表中結果可知，列（V）和列（VI）中數字金融（DIF）系數均顯著為正，并且列（V）中系數大于列（VI），表明數字金融對高市場化程度地區企業實業投資的促進作用大于低市場化程度地區企業。列（VII）中數字金融（DIF）系數顯著為負，列（VIII）中數字金融（DIF）系數不顯著，表明數字金融抑制高市場化程度地區企業金融投資，而對低市場化程度地區企業影響不顯著。

（二）經濟后果分析

通過前文分析可知，數字金融會促進企業實業投資，抑制企業金融投資，并且這種影響在不同融資約束和市場化程度下表現有所差異，那么數字金融這種作用是否改善企業創新水平和經營風險，從而實現防范和化解重大金融風險的目標呢？為了進一步探索該問題的結論。本文以企業創新和經營風險為因變量，構建如下實證模型：

RDit=α0″+α1″DIFjt+α2″INVit+α3″DIFjt×INVit+∑α″CONTROL+εit??（6）

RISKit=β0″+β1″DIFjt+β2″INVit+β3′DIFjt×INVit+∑β″CONTROL+εit（7）

其中，RD為企業創新，本文采用專利的申請數量加1取自然對數衡量，RISK為經營風險，本文采用三年內經行業調整后的資產回報率的標準差衡量。

表7提供了數字金融實證結果，由表中結果可知，列（I）和列（IV）系數顯著為正，列（II）和列（III）系數顯著為負，表明數字金融發展通過促進企業實業投資、抑制金融投資水平而提升企業創新水平和降低經營風險。對此合理的解釋是，數字金融通過數字技術的運用，抑制了融資優勢企業影子銀行的規模和金融投資回報率，抑制金融投資，引導資本流向實體經濟。而當金融投資投得到抑制后，企業會將精力用于主營業務，為了獲得產品競爭優勢，更多的資本會被投入產品研發中，進而提升企業創新水平，降低經營風險［25］。

六、結論與政策建議

本文利用2011-2020年中國A股非金融上市企業年度財務數據和宏觀經濟數據，基于信貸期限結構視角實證檢驗數字金融對企業實業投資和金融投資的作用效應和內在機理。研究結果表明，數字金融能夠顯著提升企業的信貸期限結構，佐證了數字金額的信貸期限結構效應存在性。同時，數字金融通過延長企業信貸期限調節企業投資行為，促進企業實業投資，抑制金融投資。進一步研究發現，企業融資約束較高時，數字金融促進企業實業投資和抑制企業金融投資的作用更為顯著。數字金融對高市場化地區企業的實業投資促進作用和金融投資抑制作用同樣較為明顯。經濟后果分析表明，數字金融發展通過促進企業實業投資和抑制金融投資水平，提升企業創新水平和降低經營風險。基于研究結論，提出以下政策建議：

第一，鑒于數字金融能夠促進企業實業投資，抑制金融投資，需要進一步完善數字金融基礎設施建設，擴大數字金融的覆蓋廣度和應用深度。同時，強化數字金融的普惠性、靶向性和政策性特征，引導資本流向具有發展潛力的企業，提升數字金融服務實體經濟的效率并抑制實體企業金融化現象。第二，鑒于數字金融通過影響信貸期限結構調節企業投資行為，監管部門應加強金融亂象的治理以利于數字金融的信貸期限效應的發揮。并將監管制度化、長期化，從源頭上控制資金的空轉現象，以利于企業實業投資的長期穩定。第三，鑒于數字金融對企業投資行為的影響在高融資約束和高市場化程度地區企業更顯著，因此，應提升數字金融的靶向性和靈活性，實行差異化管理。一方面，對于融資約束較高的企業，信貸機構可以考慮運用數字工具加以甄別，給予符合創新企業發放人才貸款、中長期研發貸款等方式緩解企業資金壓力，以利于企業實業投資，促進金融服務實體經濟的效率。另一方面，對于市場化程度低的地區，應持續推進金融市場化改革，利用大數據、云計算等數字技術，充分發揮數字金融對該地區企業的正向促進作用。

參考文獻：

［1］?杜勇，謝瑾，陳建英.CEO金融背景與實體企業金融化［J］.中國工業經濟，2019（5）：136-154.

［2］?解維敏，吳浩，馮彥杰.數字金融是否緩解了民營企業融資約束？［J］.系統工程理論與實踐，2021，41（12）：3129-3146.

［3］?陳中飛，江康奇.數字金融發展與企業全要素生產率［J］.經濟學動態，2021（10）：82-99.

［4］?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.

［5］?李揚.完善金融制度是金融科技健康發展的前提［J］.清華金融評論，2019（5）：21-23.

［6］?李賓，龔爽，曾雅婷.數字普惠金融、融資約束與中小企業財務可持續［J］.改革，2022（5）：126-142.

［7］?張嘉偉，胡丹丹，周磊.數字經濟能否緩解管理層短視行為？——來自真實盈余管理的經驗證據［J］.經濟管理，2022，44（1）：122-139.

［8］?李建軍，李俊成.“一帶一路”倡議、企業信貸融資增進效應與異質性［J］.世界經濟，2020，43（2）：3-24.

［9］?Myers?SC.?Determinants?of?Corporate?Borrowing［J］．Journal?of?Financial?Economics，1977，5（2）：147-175.

［10］段云，國瑤.政治關系、貨幣政策與債務結構研究［J］.南開管理評論，2012，15（5）：84-94.

［11］陸正飛，韓霞，常琦.公司長期負債與投資行為關系研究——基于中國上市公司的實證分析［J］.管理世界，2006（1）：120-128.

［12］張前程，范從來.信貸期限結構與實體經濟資本回報率［J］.國際金融研究，2021（6）：23-33.

［13］張成思，張步曇.中國實業投資率下降之謎：經濟金融化視角［J］.經濟研究，2016，51（12）：32-46.

［14］Brown?JR?，Petersen?B?C?Cash?Holdings?and?R&D?Smoothing［J］．Journal?of?Corporate?Finance，2011，17（3）：694-709.

［15］胡聰慧，燕翔，鄭建明.有限注意、上市公司金融投資與股票回報率［J］.會計研究，2015（10）：82-88，97.

［16］Demir?F.?Financial?Liberalization，Private?Investment?and?Portfolio?Choice：?Financialization?of?Real?Sectors?in?Emerging?Markets［J］．Journal?of?Development?Economics，?2009，88（2）：314-324.

［17］郭峰，王靖一，王芳，等.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），2020，19（4）：1401-1418.

［18］毛新述，翟慧君，鄭登津.央企董事會建設與企業投資［J］.會計研究，2022（2）：99-116.

［19］柯艷蓉，李玉敏，吳曉暉.控股股東股權質押與企業投資行為——基于金融投資和實業投資的視角［J］.財貿經濟，2019，40（4）：50-66.

［20］顧雷雷，郭建鸞，王鴻宇.企業社會責任、融資約束與企業金融化［J］.金融研究，2020（2）：109-127.

［21］徐偉呈，范愛軍.數字金融、內驅機制與實體經濟增長——基于實體企業金融化的研究視角［J］.山西財經大學學報，2022，44（1）：28-42.

［22］陶鋒，胡軍，李詩田，等.金融地理結構如何影響企業生產率？——兼論金融供給側結構性改革［J］.經濟研究，2017，52（9）：55-71.

［23］謝絢麗，沈艷，張皓星，等.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（4）：1557-1580.

［24］Hadlock?C?J，Pierce?J?R.?New?Evidence?on?Measuring?Financial?Constraints：?Moving?Beyond?the?KZ?Index［J］．Review?of?Financial?Studies，2020，23（5）：1909-1940.

［25］王紅建，李茫茫，湯泰劼.實體企業跨行業套利的驅動因素及其對創新的影響［J］．中國工業經濟，2016（11）：73-89.

Digital?Finance，Credit?Term?Structure?and?Corporate?Investment?Behavior

MAO?Jian-Hui

（School?of?Accounting，?Jiangxi?University?of?Finance?and?Economics，Nanchang?330013，China）

Abstract：?Based?on?the?annual?financial?data?and?macroeconomic?data?of?China′s?A-share?non-financial?listed?companies?from?2011?to?2020，?this?paper?empirically?tests?the?effects?and?internal?mechanism?of?digital?finance?on?enterprise?industrial?investment?and?financial?investment?from?the?perspective?of?credit?term?structure.?The?results?show?that?digital?finance?can?significantly?improve?the?credit?term?structure?of?enterprises，?which?proves?the?existence?of?the?credit?term?structure?effect?of?digital?finance.?At?the?same?time，?digital?finance?regulates?the?investment?behavior?of?enterprises?by?extending?the?credit?term?of?enterprises，?promotes?the?industrial?investment?of?enterprises，?and?restrains?the?financial?investment.?Furthermore，?the?heterogeneity?test?finds?that?the?impact?of?digital?finance?on?enterprise?investment?and?financial?investment?is?more?significant?in?the?sample?of?enterprises?in?regions?with?high?financing?constraints?and?high?degree?of?marketization.?The?economic?consequences?show?that?the?effect?of?digital?finance?on?enterprise?investment?behavior?can?improve?enterprise?innovation?level?and?reduce?business?risk.

Key?words：digital?finance;?term?structure?of?credit;?industrial?investment;?the?financial?investment

（責任編輯：趙春江）