數字金融對企業債務融資成本的影響研究

摘 " 要：數字金融作為推動實體經濟高質量發展的重要引擎，是降低企業債務融資成本的重要推動力。本文利用2011—2021年滬深A股上市企業數據，實證檢驗數字金融對企業債務融資成本的影響。研究結果表明，數字金融顯著降低了企業債務融資成本，在考慮了內生性問題和穩健性檢驗后，結論依然成立；機制分析發現，數字金融可以通過緩解投融資期限錯配和抑制企業金融化從而降低企業債務融資成本；異質性分析表明，數字金融能更有效地降低非高科技行業、市場化程度高和行業競爭程度低的企業債務融資成本。因此企業要重視數字金融技術的發展，合理利用數字金融通過緩解投融資期限錯配和抑制企業金融化的途徑來降低企業債務融資成本，根據市場因素、行業因素的不同來調整策略，充分發揮數字金融賦能實體經濟高質量發展的助推作用。

關 "鍵 "詞：數字金融；企業債務融資成本；投融資期限錯配；企業金融化

中圖分類號：F830 " " " 文獻標識碼：Ａ " " " 文章編號：2096-2517（２０25）０1－0０68－13

DOI：10.16620/j.cnki.jrjy.2025.01.006

一、引言

融資可以滿足企業的資金需求，幫助其提升競爭力，是影響企業生存和發展的重要因素。由于信息不對稱，金融機構難以獲得關于企業狀況的完整信息，需要較高的風險補償，從而導致較高的企業融資成本，產生了企業融資難融資貴的問題[1]。我國企業融資渠道較為單一、門檻高，中小微企業融資規模中來自商業銀行貸款的比重高達94.5%，而直接融資的比例僅為1.15%[2]；2021年第1季度，金融機構對小微企業貸款余額同比增速達到歷史高點34.3%，此后開始下降，截至2023年末，小微企業貸款增速已降至23.5%①。近年來，由于經濟環境不景氣，投資者更加謹慎，愿意提供融資的金融機構減少，融資供給減少，融資難融資貴問題進一步凸顯。

黨的二十大報告強調， 要加快建設網絡強國、數字中國；加快發展數字經濟，促進數字經濟和實體經濟深度融合。2022年，中國人民銀行印發《金融科技發展規劃（2022—2025年）》，為數字金融的發展注入了新動能。作為金融與信息技術結合而成的金融新業態，數字金融主要通過數字化生產要素如網絡和通信服務、大數據、云計算等為用戶提供支付、信貸、財富管理等金融產品和服務[3]，深刻反映了數字化對金融業的影響。數字金融的快速發展給企業融資方式和融資能力帶來巨大影響。數字金融依托數字技術可以降低信息壁壘， 減少企業與金融機構之間的信息不對稱， 拓展企業融資渠道，提升融資便捷性[4]。黃益平等（2019）認為數字技術能夠顯著降低金融交易過程中產生的成本， 使企業能夠更全面地了解金融機構面臨的風險，進而提前防范和化解風險， 增加企業獲得融資的概率[5]。Li等（2020）研究發現，數字金融通過促進外源融資多元化降低了金融服務門檻， 提高了信貸可得性，拓寬了企業融資渠道[6]。基于“先債后股”的優序融資理論，企業更傾向于債務融資，因為它具有更多的優勢。然而，數字金融是否能夠降低企業債務融資成本，通過何種機制降低融資成本，已有研究尚未給出明確答案。

基于上述分析，本文將系統研究數字金融對企業債務融資成本的影響，包括：（1）數字金融能否幫助企業顯著降低債務融資成本；（2） 數字金融影響企業債務融資成本的內在機制。本文對現有研究做了如下有益補充：（1） 本文肯定了數字金融發展對降低企業債務融資成本的積極影響，豐富了數字金融經濟后果的相關研究。（2） 本文從投融資期限錯配角度和企業金融化角度揭示了其內在影響過程，有助于深化理解數字金融對企業債務融資成本影響的內在機理。（3） 本文研究結果揭示了在不同行業性質、市場化程度和行業競爭度下數字金融對企業債務融資成本的不同影響，厘清了數字金融發揮作用的邊界條件。

二、文獻綜述

（一）數字金融的經濟后果

科技進步倒逼傳統金融行業改變運作方式，催生了數字金融這一金融領域的創新業態。Gomber等（2017）認為數字金融涵蓋了金融領域內所有利用數字技術和信息通信技術來進行業務操作和服務提供的實踐，是新型金融產品、服務和技術的集合體[7]。黃益平等（2018）認為數字金融旨在通過數字化和技術化的手段，改進和提升金融業務的效率、便捷性、創新性以及用戶體驗，從而為金融市場、金融機構和消費者帶來更多的益處[8]。封思賢等（2019）認為數字金融憑借其在技術方面的優勢，可以掌握各類數據，通過數據能更準確地了解用戶的習慣、需求和偏好，從而更好地為用戶提供服務[9]。因此，數字金融本質上是一種金融服務。

數字金融的經濟后果包括宏觀和微觀兩方面。（1）宏觀方面，現有研究主要關注數字金融促進經濟增長和提高收入方面。楊剛等（2022）研究發現，數字金融對不同地區的經濟增長產生了明顯的影響[10]。宇超逸等（2020）的研究表明，數字金融有助于改善經濟增長質量， 并且越不發達的地區其對經濟增長的促進作用越強[11]。謝絢麗等（2018）研究發現，數字金融的發展可以提升創業水平，并在經濟發展水平不同的城市具有異質性，越不發達的地區數字金融發展對創業水平的促進作用越強，很大程度上帶動了區域整體收入水平[1]。張勛等（2019）通過實證分析發現，在經濟落后地區數字金融的發展更迅速，拓寬了農村居民的就業渠道，提升了農民的家庭收入，對低收入群體的提升作用更強[12]。（2）微觀方面，現有研究主要關注數字金融促進企業創新和提升企業投資效率方面。賈俊生等（2021）的研究結果表明，數字金融的發展對推動地區內企業的創新具有顯著的促進作用，異質性分析發現在非國有企業和高科技企業中數字金融的創新激勵效果更加顯著[13]。萬佳彧等（2020）認為數字金融主要通過緩解融資約束釋放資金到研發投入中，從而促進企業創新[4]。劉婷婷等（2022） 認為數字金融利用其技術手段可以獲得更多的資金來源，企業的投資不足問題得到了緩解，提升了企業投資效率[14]。

（二）企業債務融資成本的影響因素

債務融資成本是指企業或借款人以融資為目的而發行債務工具（如債券或貸款）時需要承擔的費用和成本。現有文獻主要關注企業債務融資成本的影響因素，并從企業自身、公司治理結構與信息披露質量等角度展開。Cheng等（2006）認為企業自身規模的變化會影響債務融資成本，企業規模擴大能明顯降低債務融資成本[15]。林兢等（2017）的研究表明，企業避稅程度越高，企業債務融資成本越高[16]。陳丹臨等（2016）研究發現，有效的公司治理結構可以降低企業的債務融資成本，公司治理結構越完善企業債務融資成本越低[17]。Berger等（2002）研究發現，企業若擁有能力強且更獨立的董事會成員，在進行融資時更容易獲得利率更低的債務資金[18]。鄭軍等（2013）的研究表明，內部控制有效的企業更具有穩定性，更容易獲得銀行的貸款青睞，有助于降低其債務融資成本[19]。高婷等（2018）的研究表明，對于低成長性企業和國有企業而言，企業社會責任信息披露質量的提升將顯著降低企業的債務融資成本[20]。高宏霞等（2018）研究發現企業環境信息整體上并不能降低企業債務融資成本，但其中貨幣性環境信息披露的質量可以降低企業債務融資成本[21]。Easley等（2004）認為企業披露信息的真實性和全面性會影響其債務融資成本，投資者會根據企業披露的信息來選擇投資收益高的項目，進而規避風險[22]。

（三）數字金融對企業債務融資成本的影響

現有學者關于數字金融對企業債務融資成本的影響主要持有以下幾種觀點：（1） 數字金融通過降低企業信息不對稱降低其債務融資成本。Duarte 等（2012）認為以數字金融為代表的技術手段促進了信息透明化，改變了金融機構原有的信貸定價方式，從而創新了金融體系，融資成本得以降低[23]。吳曉求（2014）研究發現，企業利用數字金融技術可以高效地獲得金融行業的信息，同時將自身信息反饋給金融機構，使得雙向信息得以流通，降低了信息不對稱，從而降低了企業融資成本[24]。（2）數字金融發展具有“擠出效應”。Omarini（2018）認為數字金融更便捷的支付方式和安全的保障功能擠占了傳統金融機構的信貸業務， 迫使傳統金融機構進行業務轉型的同時降低自身利潤，企業因此獲得了更低借貸成本的利好，進而降低債務融資成本[25]。李展等（2019） 也認為數字金融的發展會影響傳統金融機構的經營業務和利潤[26]。（3）數字金融具有外部治理效應。阮堅等（2020）認為數字金融可以通過改善企業內部控制、提高財務透明度、降低風險、減少錯誤等方式，間接地降低債務融資成本，提高企業在金融市場的信譽和競爭力[27]。

綜上，歸納現有文獻發現，數字金融與企業債務融資成本之間有著密不可分的關系，但現有研究仍存在一些不足。一是目前對數字金融微觀經濟后果的研究多偏向于如何促進企業創新和提升企業投資效率等積極方面，而對于如何緩解企業所處困境的研究相對缺乏。二是從研究視角看，數字金融對企業債務融資成本的影響多聚焦于信息不對稱、“擠出效應”和外部治理效應層面，缺少對企業自身層面的進一步探索，鮮有研究將數字金融與投融資期限錯配、企業金融化相結合來研究其對企業債務融資成本的影響。基于此，本文將企業面臨的融資難融資貴問題與數字金融服務實體經濟的功能結合起來，實證研究數字金融對企業債務融資成本的影響，闡明其中蘊含的潛在作用機理，不僅補充完善了數字金融經濟后果的相關研究，而且為企業“增量擴面、提質降本”的政策提供決策參考，以推動實體經濟高質量發展。

三、研究假設

從信息不對稱視角看，在企業向金融機構申請貸款融資的過程中，銀行等金融機構因為其無法輕易獲取有關債務人的全面信息或者債務人有意隱瞞負面信息， 所以對企業真實的資信水平不夠了解，為了降低信貸風險會上調貸款利率，從而導致企業融資成本高昂。 而數字金融依托數字技術可以降低信息壁壘，企業利用數字金融平臺實時披露其最新的財務狀況、業務進展等數據，使金融機構能夠更及時地獲取這些信息， 而不必等待傳統財務報表發布，這有助于消除信息滯后性，減少信息不對稱，從而降低企業的借貸成本[23]。

從交易成本視角看，若按照傳統金融的方式融資，企業在發行債券時需要支付承銷商費用、律師費、評級費、注冊費等一系列費用，由于大部分工作只能通過人工的方式，因此需要花費大量時間和資源來尋找合適的融資方案和最優貸款條件，這產生了搜索成本。 數字金融平臺能整合大量金融信息，企業在一個平臺上就能獲取各種金融產品的信息，而不必在不同平臺之間進行大量搜索和比較，從而降低了搜索成本，進而使企業能以更低的融資成本獲得資金[28]。

從融資約束視角看，企業通過外部融資的方式付出的成本相較于內部融資更高，使得企業無法輕易以外部融資的方式籌措到正常生產和發展的資金，由此產生了融資約束。當融資約束較強時，企業往往需要支付更高的利息，以彌補貸款機構所承擔的風險，導致債務融資成本上升。數字金融平臺使企業能夠快速訪問到包括股權融資、債務融資和眾籌在內的多樣化的融資渠道，降低融資門檻，緩解了融資約束，從而降低了企業債務融資成本[29]。

基于此，本文提出如下假設。

假設1：數字金融明顯降低了企業債務融資成本。

根據優序融資理論，企業傾向于優先考慮利用內部資源，其次是債務融資，最后才考慮股權融資。很多企業盈利不高，無法產生足夠的內部現金流來支持內部融資，因此依賴短期債務資金的方式進行長期投資[30]。當企業需要進行長期投資而金融機構更傾向于提供短期貸款時，企業會被迫接受短期貸款，導致投融資期限錯配[31]。信貸配給理論強調信貸市場的不完全性，即金融市場無法完全滿足所有企業的融資需求，企業因此面臨融資困難，進一步加劇了投融資期限錯配[32]。長期投資項目通常需要較長時間才能產生現金流回報， 而融資卻是短期的，當短期融資到期時，如果投資項目尚未開始產生現金流，企業就面臨資金不足的情況，無法按時還款，加大了短期融資到期時產生流動性風險的可能性，金融機構在評估企業的流動性風險時，會認為其違約概率上升，因此要求更高的利率以補償潛在損失，故投融資期限錯配提高了企業的債務融資成本。

數字金融可以通過多種方式緩解企業的投融資期限錯配。首先，利用大數據和人工智能，數字金融平臺可以提供實時的市場分析，幫助企業準確預測資金需求和現金流，從而更好地匹配融資和投資期限。其次，數字金融能提供靈活的融資產品，如短期貸款和應收賬款融資，使企業能夠根據項目進度靈活選擇合適的融資期限。此外，智能合約的應用允許企業設定與投資回報周期相匹配的融資條款，自動調整還款時間。通過這些手段，數字金融提升了企業的財務管理效率，降低了企業的投融資期限錯配導致的流動性風險，從而降低了企業的債務融資成本。

基于此，本文提出如下假設。

假設2：數字金融通過緩解投融資期限錯配來降低企業債務融資成本。

企業金融化是實體企業將大量資金投入金融領域，通過購買股票、基金等金融資產來獲取投資收益，從而使金融資產占總資產比重增加和金融投資收益占總利潤比重增加的一種行為[33]。企業金融化會提高企業債務融資成本。首先，金融化程度高的企業更依賴短期債務和市場融資工具，這增加了流動性風險，借貸成本攀升，如果企業無法及時償還到期債務或獲得短期融資， 將會面臨財務困境。金融化程度越高的企業對市場波動性也更加敏感，股價波動和市場情緒變化更容易影響企業資金可獲得性，增加了企業債務融資成本。其次，根據實體企業配置金融資產的“擠出”效應，企業擁有的資源一般是固定的，將資源用于金融資產配置會導致實體資產的配置減少[34]。實體資產是企業債務擔保能力的體現，企業債務擔保能力的降低會使企業風險增加，需要更多的風險補償，企業債務融資成本進一步增加。

而數字金融可以抑制企業的金融化水平。企業金融化存在兩種動機：預防性儲蓄動機和利潤追逐動機[35]。從融資角度出發，數字金融可以緩解企業的融資約束，從而抑制企業配置金融資產的預防性儲蓄動機。具體而言，企業配置金融資產的預防性儲蓄動機與企業面臨的融資成本和融資難度有關， 融資成本越高、融資難度越大，企業越有動機配置較高收益的金融資產[36]。數字金融可以借助大數據與人工智能緩解銀企之間的信息不對稱，降低債權人的監督成本和信息成本，拓展融資渠道，降低企業對銀行貸款的依賴程度[37]。此時，企業可以通過迅速融資以應對未來的不確定性，企業持有金融資產的預防性儲蓄動機減弱[38]。從投資角度出發，數字金融可以降低金融回報率，從而抑制企業配置金融資產的利潤追逐動機。投資替代理論認為，企業投資決策取決于實體資產與金融資產的投資收益率。傳統金融體系下的實體投資期限長、收益低，而金融投資周期短、收益高，故企業更傾向于投資金融資產[39]。數字金融的快速發展使得大量金融產品涌入市場，金融市場的競爭加劇，金融資產的投資回報率降低，金融渠道收益占比也由此降低[40]。因此，金融與實體投資之間的差距縮小，抑制了企業投資金融資產的追逐利潤動機[41]。綜上所述，數字金融通過抑制企業配置金融資產的預防性儲蓄動機和利潤追逐動機抑制了企業金融化水平，從而降低了企業債務融資成本。

基于此，本文提出如下假設。

假設3：數字金融通過抑制企業金融化水平來降低企業債務融資成本。

四、研究設計

（一）樣本選取與數據來源

本文選取2011—2021年我國滬深A股上市公司為研究樣本，遵循已有研究，本文剔除了：（1）金融行業上市企業；（2）非正常交易上市企業（包括ST*、ST和PT股）；（3）上市不滿一年的企業；（4）已經退市或被暫停上市的企業；（5）北交所上市企業；（6）存在重復觀測值的上市企業；（7）主要變量存在數據缺失的樣本。 最終獲得2982家上市企業共20 293個樣本觀測值。 企業財務數據來自CSMAR數據庫和WIND數據庫，數字金融數據來源于北京大學數字金融研究中心課題組發布的北京大學數字普惠金融指數[42]。為消除離群值對研究結果的影響， 本文對主要的連續變量都使用Stata 17.0進行1%水平上的縮尾處理。

（二）變量選取與定義

1.被解釋變量

被解釋變量為企業債務融資成本（Cost）。企業債務融資成本是企業為融資而發行債務工具（如債券或貸款）時需要承擔的費用和成本。企業債務融資成本分為顯性和隱性兩種，顯性成本指企業支付給債權人的利息費和手續費，隱性成本指融資過程中產生的代理成本、機會成本等，本文的企業債務融資成本主要指顯性成本。借鑒李廣子等（2009）[43]的做法，本文采用企業財務費用占期末總負債的比重作為企業債務融資成本（Cost）的代理指標。

2.核心解釋變量

核心解釋變量為數字金融（Index）。借鑒萬佳彧等（2020）[4]、唐松等（2020）[44]的研究，本文采用北京大學數字普惠金融指數作為數字金融的代理變量，選取2011—2021年北京大學數字普惠金融指數地級市層面的總指數[42]作為數字金融（Index）的衡量指標，并經過自然對數化處理。

3.控制變量

為了盡可能地避免變量遺漏的問題，本文借鑒魏志華等（2012）[45]的研究，選取了以下變量作為微觀企業的控制變量：企業規模（Size）、盈利能力（Roa）、資產負債率（Lev）、企業年齡（Age）、成長性（Growth）、托賓Q值（Tq）、產權性質（Nature）、股權集中度（Top）、兩職合一（Duality）、獨立董事占比（Ind）和現金流狀況（Cash）。

4.機制變量

一是投融資期限錯配（Sfli）。參考劉曉光等（2019）[46]的做法，采用企業短期負債比例（短期負債/總負債）與短期資產比例（短期資產/總資產）之差，作為投融資期限錯配（Sfli）的衡量指標。

二是企業金融化（Fin）。參考杜勇等（2017）[34]的做法，用交易性金融資產、衍生金融資產、發放貸款及墊款凈額、可供出售金融資產凈額、持有至到期投資凈額、投資性房地產凈額的總和與總資產的比值來衡量企業金融化水平（Fin）。

具體變量定義與說明如表1所示。

（三）模型構建

為驗證數字金融對企業債務融資成本的影響，本文采用如下多維固定效應模型來進行實證研究，所有回歸都使用了企業層面的聚類穩健標準誤，以控制同一企業的觀測值在不同時間之間的相關性。具體模型構建如下：

Costi，t=α0+α1Indexi，t+α2Controlsi，t+δi+？準t+εi，t （1）

其中，i，t分別代表企業和年份；Costi，t為被解釋變量企業債務融資成本；Indexi，t為核心解釋變量數字金融，表示企業i所在地級市的數字金融水平；Controlsi，t表示控制變量；δi和？準t分別為企業層面的個體固定效應和年份固定效應；εi，t表示隨機誤差項。

為分析數字金融與企業債務融資成本之間的作用機制，參考江艇（2022）[47]提出的關于中介效應模型的構建思路，構建如下模型：

Mediatori，t=β0+β1Indexi，t+β2Controlsi，t+δi+？準t+εi，t

（2）

Mediatori，t為機制變量投融資期限錯配（Sfli）和企業金融化（Fin），其余變量定義均與模型（1）一致。本模型檢驗機制變量的作用機理為：首先檢驗模型（2）的系數β1，若顯著，則說明數字金融對兩個機制變量有顯著的影響，再通過理論闡釋兩個機制變量對企業債務融資成本的影響。

（四）描述性統計

主要變量的描述性統計結果如表2所示。被解釋變量Cost的均值為0.0126，標準差為0.0262，說明不同企業之間的債務融資成本差異較小。核心解釋變量Index的均值為5.3715，標準差為0.4077，表明我國不同地級市之間的數字金融水平存在較大差異，不同企業所處的數字金融環境各異。控制變量中Age、Size、Tq的標準差比較大， 說明不同企業的年齡和規模差異比較大，且市值與總資產之間的比值也存在較大差距。機制變量Sfli和Fin的均值分別為0.2697和0.0395，標準差分別為0.2134和0.0699， 說明不同企業之間投融資期限錯配程度波動較大，但企業金融化程度差異較小。

（五）相關性分析

為初步檢驗研究樣本所包含變量間是否有相關關系，本文使用軟件STATA 17.0對研究樣本中涉及的變量進行了Pearson相關性分析，具體如表3所示。數字金融與企業債務融資成本呈負相關，相關系數為-0.033，初步驗證了假設1。此外，表中的核心解釋變量與控制變量之間相關系數的絕對值均小于0.5，說明這些變量之間的相關性較低，不存在多重共線性，因此回歸結果不會受到影響。

五、實證結果分析

（一）基準回歸結果分析

本文基于OLS回歸模型（1），研究數字金融對企業債務融資成本的影響， 結果如表4所示。列（1）為不加入任何控制變量，僅加入企業固定效應和年份固定效應的回歸結果，Index的系數在1%顯著性水平上顯著為負，其值為-0.0377。列（2）為加入控制變量而沒有加入企業固定效應和年份固定效應的回歸結果，Index的系數為-0.0022，在1%顯著性水平上顯著為負。列（3）在列（2）的基礎上加入了企業固定效應和年份固定效應，Index的系數為

-0.0291，在1%顯著性水平上顯著為負。除此之外，列（3）中大部分控制變量對企業債務融資成本具有顯著影響，說明研究選取的控制變量有效。上述結果說明數字金融水平的提高降低了企業債務融資成本。可能的原因在于數字金融平臺可以利用區塊鏈和云計算等技術使企業的財務數據、交易記錄和信用信息實時共享，還可以整合金融信息、拓寬融資渠道，從而緩解了金融機構與企業間的信息不對稱，降低了交易成本，緩解了融資約束[48]，進而降低了企業債務融資成本，假設1得以驗證。

（二）內生性與穩健性檢驗

1.內生性檢驗

數字金融對企業債務融資成本的負向影響可能會受到測量誤差、反向因果、遺漏變量等導致的內生性問題的影響。因此，本文利用工具變量法、滯后一期核心解釋變量來解決內生性問題。

一是工具變量法。在研究數字金融對企業債務融資成本的影響時，為解決可能存在的遺漏變量等問題，本文參考謝絢麗等（2018）[1]、林愛杰等（2021）[49]的做法，采用各省份互聯網普及率（Internet）以及各省份移動電話普及率（Mobile）作為工具變量。由表5列（1）中第一階段回歸結果可知，工具變量Internet和Mobile與核心解釋變量Index之間呈顯著的正向相關性，工具變量通過檢驗。列（2）回歸結果表明在解決了內生性問題后，數字金融與企業債務融資成本之間仍呈顯著的負向關系。

二是核心解釋變量滯后一期。由于上一期的數字金融不會受到當期企業債務融資成本的影響，因此將數字金融滯后一期（L.index）以排除反向因果導致的內生性問題。表5中列（3）結果顯示，L.index的回歸系數為-0.0263， 在1%顯著性水平上顯著，說明在解決了反向因果問題后，基準回歸結果依然成立。

2.穩健性檢驗

為驗證基準回歸結果的穩健性，本文分別采用以下幾種方法進行穩健性檢驗：一是更換被解釋變量的衡量方法。本文分別采用企業利息支出加上手續費支出和其他財務費用的總額占期末總負債的比重（Debt1）[43]、企業利息支出占當年長短期負債平均值的比重（Debt2）[45]，重新對企業債務融資成本進行衡量。二是控制其他沖擊變量。由于2019年末新冠疫情暴發并迅速蔓延， 全球經濟遭受巨大沖擊，為減少突如其來的沖擊事件對本文研究結果的影響，遂剔除2020年后的樣本。三是改變參數估計方法。為了減少樣本自選擇問題導致的回歸結果的偏差， 本文采用Bootstrap方法進行多次抽樣和回溯抽樣，以實現無偏漸近總和的分布，進而提高參數估計的有效性和一致性結果。表6顯示了上述穩健性檢驗的結果， 核心解釋變量均在1%顯著性水平上顯著為負，表明數字金融仍能明顯降低企業債務融資成本，基準回歸結果穩健。

（三）機制分析

前文的研究結果表明，數字金融顯著降低了企業債務融資成本，為進一步探討數字金融影響企業債務融資成本的作用機制，本文以投融資期限錯配（Sfli）和企業金融化（Fin）為切入點，研究其在數字金融與企業債務融資成本之間的傳導作用。本文參考江艇（2022）[47]的做法，實證檢驗數字金融分別對投融資期限錯配和企業金融化的影響，得到表7所示的結果。

表7列（1）中Index的回歸系數為-0.0951，在1%顯著性水平上顯著，說明數字金融可以通過緩解投融資期限錯配來降低企業債務融資成本。具體來說， 數字金融平臺可以為企業提供實時的市場分析，幫助企業準確預測資金需求和現金流，從而更好地匹配融資和投資期限，使企業能夠根據項目進度靈活選擇合適的融資期限。智能合約的應用允許企業設定與投資回報周期相匹配的融資條款，自動調整還款時間。 以上手段均降低了企業投融資期限錯配程度，提升了企業的財務管理效率，降低了企業投融資期限錯配導致的流動性風險，從而降低了企業的債務融資成本。基于此，假設2得以驗證。

表7列（2）中Index的回歸系數為-0.0526，在1%顯著性水平上顯著， 說明數字金融有助于抑制企業金融化， 從而降低企業債務融資成本。事實上，數字金融可以通過抑制企業配置金融資產的預防性儲蓄動機和利潤追逐動機來降低企業金融化水平。企業金融化水平降低，可以降低流動性風險，減少股價波動和市場情緒變化對企業資金可獲得性的影響，同時，實體資產的債務擔保能力也可以發揮更大的作用，企業更容易通過金融機構的信用評估，以更低的借貸成本獲得融資。基于此，假設3得以驗證。

（四）異質性分析

考慮到所屬不同行業、位于不同市場化程度地區以及行業競爭度不同的企業對數字金融技術的利用效率會有所差異，本文根據以上三個指標將全樣本分別劃分為非高科技行業與高科技行業，市場化程度低與市場化程度高，行業競爭程度低與行業競爭程度高六組樣本進行回歸。

高科技行業通常包括涉及先進技術研發和應用的領域，如信息技術、人工智能、生物技術、電子通信、半導體和軟件開發等；非高科技行業通常包括傳統制造業、服務業、農業、建筑、零售、旅游等領域，這些行業雖然技術含量相對較低，但在經濟中占據重要地位。本文參照彭紅星等（2017）[50]的做法， 根據上市公司的行業代碼對企業進行分類。表8中列（1）、列（2）顯示了非高科技行業和高科技行業企業的回歸結果，Index的回歸系數分別為-0.0362和-0.0302，均在1%顯著性水平上顯著。從Index回歸系數大小的絕對值來看，數字金融對非高科技行業的企業債務融資成本的降低效果更明顯。 可能的原因是，相比于高科技行業的企業，非高科技行業的企業通常更專注于傳統業務領域，創新和技術更新較為緩慢或不明顯，這使得其業務模式和競爭優勢不易通過公開信息評估。相比之下，高科技行業的企業通常有清晰的技術路線圖和市場創新點，容易被金融機構理解和評估，因此非高科技行業的信息不對稱程度更高。而數字金融可以通過數據分析和風險評估工具， 提供更準確的企業信用評級，降低信息不對稱， 從而降低企業債務融資成本。因而數字金融在非高科技行業的企業中發揮的作用更大。

市場化程度反映了市場在資源配置、 價格形成、競爭程度、政府干預等方面的作用和影響程度，本文參考王小魯等（2021）[51]的研究，利用市場化進程總得分來衡量市場化程度，將樣本按照市場化進程總得分中位數分為兩組，高于市場化進程總得分中位數的表示市場化程度較高，反之代表市場化程度較低。在不同市場化程度的情況下研究數字金融對企業債務融資成本的影響， 結果如表8中列（3）、列（4）所示，Index的回歸系數分別為-0.0234和-0.0339，分別在1%和5%顯著性水平上顯著。從Index回歸系數大小的絕對值來看， 在市場化程度較高的地區，數字金融降低企業債務融資成本的效果更明顯。 由于市場化程度高的地區通常鼓勵金融創新，數字金融正是金融創新的一部分，數字金融技術的使用拓寬了融資渠道，在市場化程度高的地區企業可以更容易地獲取多樣化的融資來源，能夠更靈活地選擇適合自己需求和風險承受能力的融資方式，擁有更多的競爭性選項，這有助于降低其債務融資成本。

行業競爭程度反映了企業在爭奪市場份額、顧客、資源和利潤時所面臨的競爭壓力，本文借鑒Peress（2010）[52]的研究，使用單個公司營業收入/行業內營業收入合計×個股勒納指數累計計算得到的行業勒納指數來衡量行業競爭程度。本文根據行業勒納指數的中位數將全樣本分為兩組，高于行業勒納指數中位數的樣本表示行業競爭程度低，反之表示行業競爭程度高。在不同行業競爭度的情況下研究數字金融對企業債務融資成本的影響，結果如表8中列（5）、列（6）所示，Index的回歸系數分別為

-0.0231和-0.0227，分別在5%和1%顯著性水平上顯著。從Index回歸系數大小的絕對值來看， 在行業競爭程度低的地區， 數字金融更能明顯地降低企業債務融資成本。可能的原因是，在行業競爭程度低的地區，金融服務的供給相對不足，企業難以獲得多樣化的融資渠道，而數字金融能夠打破傳統金融服務的地理和資源壁壘， 利用在線平臺和數字化工具為這些地區的企業提供更便捷、更廣泛的融資選擇，從而降低因市場壁壘導致的高昂債務融資成本。

六、結論與建議

本文以2011—2021年我國滬深A股上市企業為研究樣本，實證考察數字金融對企業債務融資成本的影響。研究發現：（1）數字金融可以顯著降低企業債務融資成本，在考慮了內生性問題和進行了一系列穩健性檢驗后，這一結論依然成立。（2）數字金融可以通過緩解投融資期限錯配和抑制企業金融化來降低企業債務融資成本。（3） 在非高科技行業、 市場化程度高和行業競爭程度低的企業中，數字金融降低其債務融資成本的力度更大。

基于上述研究結論，本文得到如下政策啟示：

第一， 充分重視數字金融的技術導向功能。一方面，金融機構要利用數字技術的發展為企業提供更加便捷的在線借貸平臺，通過平臺連接資金需求方和提供方， 使得企業能夠更容易地獲得融資。另一方面，金融機構要利用大數據、人工智能等技術對企業進行更準確、實時的信用評估，全面了解借款方的信用狀況，為其提供更為個性化和合理的融資方案，降低借款利率。

第二，合理利用投融資期限錯配和企業金融化兩條途徑來降低企業債務融資成本。一方面，企業要吸引不同期限的融資， 促進融資的多元化， 以滿足企業不同期限的資金需求。企業要謹慎使用短期融資工具，以避免在經濟不確定性或利率上升時面臨較大的還款風險。另一方面，政府部門要制定明確的政策，規范企業的金融行為，通過建立健康的市場機制， 促使企業更注重實體經濟而非金融活動，調整金融市場的結構，提高實體經濟的融資效率，減少企業過度依賴金融活動行為。

第三，因地制宜根據市場因素、行業因素的差異來調整政策。首先，政府應鼓勵非高科技行業企業使用大數據分析工具，提升企業內部數據管理和外部信息披露的質量，增強金融機構對企業信息的信任，降低信息不對稱。其次，在市場化程度高的地區， 政府部門要推動建立數字金融的生態系統，在數字金融平臺上建立有效的信用擔保機制，提高投資者對融資項目的信心。最后，在行業競爭度低的地區，政府部門要加強數字金融教育，提高企業和投資者對數字金融工具的認識，通過培訓和宣傳活動，使企業和投資者增加對數字金融的了解。

參考文獻：

［1］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.

［2］史建平，等.中國中小微企業金融服務發展報告（2019）［M］.北京：中國金融出版社，2020.

［3］王雁飛，周茂清.我國數字金融發展的內生動力、現實挑戰和政策建議［J］.金融理論探索，2022（3）：56-63.

［4］萬佳彧，周勤，肖義.數字金融、融資約束與企業創新［J］.經濟評論，2020（1）：71-83.

［5］黃益平，陶坤玉.中國的數字金融革命：發展、影響與監管啟示［J］.國際經濟評論，2019（6）：24-35，5.

［6］LI J，WU Y，XIAO J J.The Impact of Digital Finance on Household Consumption：Evidence from China［J］.Economic Modelling，2020，86：317-326.

［7］GOMBER P，KOCH J A，SIERING M.Digital Finance and FinTech：Current Research and Future Research Directions［J］.Journal of Business Economics，2017，87（5）：537-580.

［8］黃益平，黃卓.中國的數字金融發展：現在與未來［J］.經濟學（季刊），2018，17（4）：1489-1502.

［9］封思賢，郭仁靜.數字金融、銀行競爭與銀行效率［J］.改革，2019（11）：75-89.

［10］楊剛，張亨溢.數字普惠金融、區域創新與經濟增長［J］.統計與決策，2022，38（2）：155-158.

［11］宇超逸，王雪標，孫光林.數字金融與中國經濟增長質量：內在機制與經驗證據［J］.經濟問題探索，2020（7）：1-14.

［12］張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長［J］.經濟研究，2019，54（8）：71-86.

［13］賈俊生，劉玉婷.數字金融、高管背景與企業創新——來自中小板和創業板上市公司的經驗證據［J］.財貿研究，2021，32（2）：65-76，110.

［14］劉婷婷，溫雪，鄧亞玲.數字化轉型視角下數字金融對企業投資效率的影響效應分析［J］.財經理論與實踐，2022，43（4）：51-58.

［15］CHENG C S A，COLLINS D，HUANG H H.Shareholder Rights，Financial Disclosure and the Cost of Equity Capital［J］.Review of Quantitative Finance and Accounting，2006，27（2）：175-204.

［16］林兢，鄭晶晶.管理層持股、企業避稅與債務成本研究［J］.財會通訊，2017（9）：93-98.

［17］陳丹臨，王懷明.金融生態環境、公司治理與債務成本［J］.江蘇社會科學，2016（3）：103-108.

［18］BERGER A N，Udell G F.Small Business Credit Availability and Relationship Lending：The Importance of Bank Organisational Structure［J］.Economic Journal，2002，112（477）：32-53.

［19］鄭軍，林鐘高，彭琳.高質量的內部控制能增加商業信用融資嗎？——基于貨幣政策變更視角的檢驗［J］.會計研究，2013（6）：62-68，96.

［20］高婷，王懷明.企業社會責任信息披露對債務融資的影響——基于產權性質、企業成長性視角［J］.財會月刊，2018（12）：72-77.

［21］高宏霞，朱海燕，孟樊俊.環境信息披露質量影響債務融資成本嗎？——來自我國環境敏感型行業上市公司的經驗證據［J］.南京審計大學學報，2018，15（6）：20-28.

［22］EASLEY D，O’HARA M.Information and the Cost of Capital［J］.Journal of Finance，2004，59（4）：1553-1583.

［23］DUARTE J，SIEGEL S，YOUNG L.Trust and Credit：The Role of Appearance in Peer-to-peer Lending［J］.Review of Financial Studies，2012，25（8）：2455-2484.

［24］吳曉求.中國金融的深度變革與互聯網金融［J］.財貿經濟，2014（1）：14-23.

［25］OMARINI A E.Banks and Fintechs：How to Develop a Digital Open Banking Approach for the Bank’s Future［J］.International Business Research，2018，11（9）：23.

［26］李展，葉蜀君.中國金融科技發展現狀及監管對策研究［J］.江淮論壇，2019（3）：54-59.

［27］阮堅，申么，范忠寶.何以驅動企業債務融資降成本——基于數字金融的效用識別、異質性特征與機制檢驗［J］.金融經濟學研究，2020，35（1）：32-44.

［28］李建軍，王德.搜尋成本、網絡效應與普惠金融的渠道價值——互聯網借貸平臺與商業銀行的小微融資選擇比較［J］.國際金融研究，2015（12）：56-64.

［29］黃銳，賴曉冰，趙丹妮，等.數字金融能否緩解企業融資困境——效用識別、特征機制與監管評估［J］.中國經濟問題，2021（1）：52-66.

［30］KAHL M，SHIVDASANI A，WANG Y.Short-Term Debt as Bridge Financing：Evidence from the Commercial Paper Market［J］.Journal of Finance，2015，70（1）：211-255.

［31］劉偉，劉衛鎮，戴冰清，等.數字金融、貸款結構與商業銀行風險承擔——基于181家商業銀行2011—2020年財務數據的分析［J］.武漢金融，2022（7）：29-40.

［32］鐘凱，程小可，張偉華.貨幣政策適度水平與企業“短貸長投”之謎［J］.管理世界，2016（3）：87-98，114，188.

［33］張成思，鄭寧.中國實體企業金融化：貨幣擴張、資本逐利還是風險規避？［J］.金融研究，2020（9）：1-19.

［34］杜勇，張歡，陳建英.金融化對實體企業未來主業發展的影響：促進還是抑制［J］.中國工業經濟，2017（12）：113-131.

［35］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.

［36］LIU L，LI Y.Enterprise Financialization and Stock Price Crash Risk［J］.Finance Research Letters，2024，60：104878.

［37］GOPAL M，SCHNABL P.The Rise of Finance Companies and Fintech Lenders in Small Business Lending［J］.Review of Financial Studies，2022，35（11）：4859-4901.

［38］陳春華，曹偉，曹雅楠，等.數字金融發展與企業“脫虛向實”［J］.財經研究，2021，47（9）：78-92.

［39］司敏，王桂禎，趙彥鋒.數字金融如何影響企業投資結構？［J］.企業經濟，2023，42（8）：60-71.

［40］馬超，鄭軍.數字金融與企業“脫實向虛”：抑制還是促進？［J］.經濟體制改革，2023（3）：184-191.

［41］鐘凱，梁鵬，王秀麗，等.數字普惠金融有助于抑制實體經濟“脫實向虛”嗎？——基于實體企業金融資產配置的分析［J］.國際金融研究，2022（2）：13-21.

［42］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.

［43］李廣子，劉力.債務融資成本與民營信貸歧視［J］.金融研究，2009（12）：137-150.

［44］唐松，伍旭川，祝佳.數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［J］.管理世界，2020，36（5）：52-66，9.

［45］魏志華，王貞潔，吳育輝，等.金融生態環境、審計意見與債務融資成本［J］.審計研究，2012（3）：98-105.

［46］劉曉光，劉元春.杠桿率、短債長用與企業表現［J］.經濟研究，2019，54（7）：127-141.

［47］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［48］張文菲，馮鈺婷.數字金融發展對上市企業生存期限的影響研究［J］.金融理論探索，2024（1）：44-59.

［49］林愛杰，梁琦，傅國華.數字金融發展與企業去杠桿［J］.管理科學，2021，34（1）：142-158.

［50］彭紅星，毛新述.政府創新補貼、公司高管背景與研發投入——來自我國高科技行業的經驗證據［J］.財貿經濟，2017，38（3）：147-161.

［51］王小魯，胡李鵬，樊綱.中國分省份市場化指數報告（2021）［M］.北京：社會科學文獻出版社，2021.

［52］PERESS J.Product Market Competition，Insider Trading，and Stock Market Efficiency［J］.Journal of Finance，2010， 65（1）：1-43.

Research on the Impact of Digital Finance on Corporate

Debt Financing Cost

Gong Yongqiang1， Jiang Weiwei2， Zhang Ye2

（1. School of Business， Soochow University， Suzhou 215008， China;

2. School of Business， Applied Technology College of Soochow University， Suzhou 215325， China）

Abstract： Digital finance， as an important engine to promote the high-quality development of the real economy， is an important driving force to reduce the cost of corporate debt financing. This paper utilizes the data of Shanghai and Shenzhen A-share listed enterprises from 2011 to 2021 to empirically examine the impact of digital finance on the cost of corporate debt financing. The findings show that digital finance significantly reduces the cost of corporate debt financing， and the conclusion still holds after considering the endogeneity problem and robustness test. Mechanism analysis finds that digital finance can reduce the cost of corporate debt financing by mitigating investment and financing maturity mismatches and reducing corporate financialization. Heterogeneity analysis shows that digital finance can more effectively reduce the debt financing cost of enterprises in non-high-tech industries， high marketization， and low industry competition. Therefore， enterprises should attach importance to the development of digital financial technology， make reasonable use of digital finance to reduce the cost of corporate debt financing by alleviating the investment and financing term mismatch and inhibiting the financialization of enterprises， adjust the strategy according to the different market and industry factors， and make full use of the role of digital finance in enabling the high-quality development of the real economy.

Key words： digital finance; corporate debt financing cost; investment and financing term mismatch; corporate financialization

（責任編輯：龍會芳；校對：盧艷茹）