本期编译文章《银行业信息化水平的提高对创业公司的赋能作用》是国际清算银行在2022年2月发布的一篇论文。 论文自建了一个银行筛选和贷款模型，预测银行信息化水平的提高可以降低创业公司获得贷款的难度，因而可以刺激创业发展。实证研究结果证实了模型的预测，同时发现创业活动增强并不意味着创业的质量会下降。此外，银行信息化水平提高后，其信贷供给会对当地房价的变化更敏感，银企地理距离的重要性也有下降。
作者｜托尼·阿纳特（Toni Ahnert）、塞巴斯蒂安·多尔（Sebastian Doerr）、尼古拉·皮耶里（Nicola Pierri）和雅尼克·蒂默（Yannick Timmer）
以下为编译内容：
本文分析了信息技术（IT）在银行业的应用对于创业公司的重要性。 我们建立了一个精简的银行筛选和贷款模型，预测银行信息化水平的提高可以降低创业公司获得贷款的难度，因而可以刺激创业发展。我们针对美国的县开展了实证研究，结果表明相比银行业信息化水平较低的县，在银行业信息化水平较高的县中，年轻公司创造的就业占总就业的比重更高。在银行信息化水平较高的县中，若房价上涨，银行会更愿意向年轻公司提供住房抵押贷款，本地创业的势头也会随之提升。此外，创业活动增强并不意味着创业的质量会下降。银行层面的工具变量回归进一步表明，银行信息化水平提高后，其信贷供给会对当地房价的变化更敏感，银企地理距离的重要性也有所下降。一言以蔽之，银行业的信息化转型可以改善创业公司的融资渠道，进而增强创业活力。
IT在金融业的崛起极大地改变了金融机构收集、处理和分析信息的方式。 由于银行在开展信贷业务时，需要筛选和监测贷款客户，因此IT的引入可能会对信贷供给产生重要影响。创业公司可以在就业、创新和经济发展方面做出重要贡献，但却由于没有可靠的信贷记录和信息不透明，很难申请获得银行贷款。IT在银行业的应用可能有助于解决创业公司的融资难题，进而创造更多就业机会。因此，研究银行业的IT革命对创业公司的影响机制具有十分重要的意义。本文从理论和实证两方面分析了金融业IT的兴起对创业活动的影响。 我们首先建立了一个精简的银行筛选和贷款模型。银行的贷款客户包括成熟公司和年轻公司两类，这些公司在质量和透明度上参差不齐。银行会获取并评估公司的项目信息或要求公司提供抵押物来筛选优质贷款客户。创业公司无法提供充足的项目信息（即信息不够透明），因此需要申请抵押贷款。IT能够降低抵押贷款的评估成本，因此有助于创业公司获得银行融资。据此，模型预测IT在银行业的应用会刺激创业，并且在抵押物升值的情况下刺激效果更好。
本文获取了2008年金融危机前美国商业银行采购IT设备的详细数据。 我们用人均办公电脑拥有量来衡量银行的IT采用情况，这一衡量标准能够很好地预测其他替代性的标准（IT预算或前沿技术的采用情况），同时也能够扩大数据搜集范围。本文只关注普遍意义上的IT采用情况，并不针对特定IT的采用情况。本文旨在阐明银行采用IT后产生的影响及背后的经济机制，并不关注具体的IT应用的影响。我们根据银行的IT采用情况和历史地理足迹来计算美国各县的信息化水平。具体来说，我们用各县银行的IT采用情况的加权平均值来计算各县的信息化水平。此外，考虑银行的历史足迹是为了保证银行并非因为某县有经济活力或发展轨迹而选择在该县设立分支。
本文模型做出了六个预测 ：（1）一旦信息化水平高的银行占比提高，银行提供给年轻公司的贷款占总贷款的份额也会增加；（2）抵押物升值后，银行提供给年轻公司的贷款占总贷款的份额也会增加；（3）一旦信息化水平高的银行占比提高，则抵押物升值后，银行提供给年轻公司的贷款占总贷款的份额会增加更多；（4）在均衡状态下，银行信息化水平提高不会影响获得融资的公司的质量，即违约率不会提高；（5）a.在法律保护追索权的国家，相比不保护追索权的国家，信息化水平高的银行占比提高后，银行提供给年轻公司的贷款占总贷款的份额增幅较低；b.信息化水平高的银行占比提高后，抵押物升值对创业的积极影响在法律保护追索权的国家不太明显；（6）对于信息化水平低的银行来说，相较信息化水平高的银行，银企之间的地理距离会对贷款产生更重要的影响。上述预测均得到了实证分析结果的证实，并通过了进一步的稳健性检验。
本文其余部分的结构如下。第二节介绍了构建的银行筛选和贷款模型。第三节概述了实证分析的数据及主要变量的构造过程。第四、五节对模型做出的预测逐一进行了检验。第六节提供了佐证模型的进一步证据，并开展了稳健性检验。第七节对全文进行了总结。
《巴厘金融科技议程》（Bali Fintech Agenda）提出了一个监管框架，能够帮助监管部门在发挥新技术和新商业模式优势的同时降低风险。 就大型科技公司监管而言，《巴厘金融科技议程》中的几个政策要素尤为重要，分别是拥抱金融科技（政策要素一）、新技术赋能金融服务供给（政策要素二）、强化竞争并进一步发展开放、自由和可竞争的市场（政策要素三）、调整监管框架和监督实践（政策要素六）、确保国内货币和金融体系的稳定（政策要素九），以及鼓励国际合作和信息共享（政策要素十一）。要素一和二指出了大型科技公司对金融业的潜在益处。要素三、六、九和十一都可以作为减轻大型科技公司所带来风险的指导方针。我们构建了一个简单的模型来评估银行的信息化水平对银行筛选贷款公司的影响。 由于贷款市场上信息不对等，银行无法在最初就判断贷款公司的质量。因此，银行会搜集公司信息，判断是提供无担保贷款还是抵押贷款，进而减轻逆向选择问题。有研究表明创业公司创始人会通过抵押贷款为公司筹措资金，因此银行在创业公司融资中发挥着巨大的作用，所以本文格外关注银行向创业公司提供的融资。
本文模型将市场主体简化为银行和公司两类，将时间简化为t=0和t=1两个关键日期，无折现且普遍风险中性。 模型将市场中的商品简化为两种，一种是用于消费或投资的商品，另一种是在t=0时的贷款抵押物。
假设公司在t=0时有一个新项目，需要1单位的投资。公司没有值得投资的商品，但在t=0时有抵押物C。在t=0时，不同的公司在两个公开可见的维度上存在差异。首先，公司的抵押物来自一个连续分布G，在t=1时抵押物的市场价格（以消费品衡量）是P，所以抵押物的价值是PC。其次，公司分为成熟公司（0）和年轻公司（Y）两类。对公司进行归一化后，年轻公司的占比为Y∈（0,1）。我们假设上述两个维度（即公司抵押物和公司成立年限）互相独立。
由于市场信息不对称，银行无法立刻判断贷款公司的质量，即这些公司项目质量的好坏。在t=1时，如果公司项目取得成功，则项目收益x>1；如果公司项目不成功，则项目收益x=0。好公司开展的项目的成功概率为pG，差公司开展的项目的成功概率为pB，其中0<pb<pg<1。只有好项目的净现值为正,。公司可以判断自己项目的质量是好（g）是坏（b），但银行没有充分的信息来做出判断。在t=0时，好项目的占比为q>0，且这个比重独立于银行或公司的特征。我们假设好项目的占比很低：
根据公式（1），由于逆向选择问题非常严重，因此银行会选择在均衡状态下筛选所有贷款公司。最终，银行会将所有贷款都发放给好公司。 在t=0时，银行有能力向公司发放贷款。假设已经采用IT的银行占比为h∈（0,1），此类银行信息化水平高，其他银行则信息化水平低。 每家银行都可以利用两种工具来筛选贷款公司。 首先 ，银行可以付出固定成本F，搜集贷款公司及其项目的信息并进行筛选。F可以理解为信贷员评估项目质量所花的时间成本。我们假设银行评估成熟公司的成本低于评估年轻公司的成本：这是因为成熟公司信贷记录较丰富，还款不确定性较低。此外，成熟公司贷款总额的中位数更大，相比之下银行的评估成本可以忽略。 其次 ，银行可以要求公司在t=0时申请抵押贷款。在t=1时，如果公司拖欠贷款，银行便可以强制拍卖抵押物。在这种情况下，银行没有直接了解公司及项目的质量，但贷款公司会出于对抵押物的考量，只有在开发好项目的时候才会选择向银行融资。我们假设信息化水平高的银行通过抵押物进行筛选的成本比信息化水平低的银行要低：公式（3）表明，信息化水平高的银行在（1）核实抵押物；（2）确定抵押物市场价值；或（3）记录上述信息并将信息传递给银行总部时，难度更小或成本更低。前人研究指出，IT有助于银行对房地产进行估值，尤其是远程估值。 我们假设银行和公司随机配对。银行向公司提供贷款有助于实现双方收益最大化，银行能够获得总收益的θ∈（0,1）。这一假设简化了市场结构，即创业公司不会向多家银行申请贷款，从而排除了银行之间互相竞争的情况。 我们假设银行的筛选成本与好项目的预期收益之间的大小关系为： 在均衡状态下，只有好公司（占比为q）可以获得银行贷款。年轻公司（占比为y）只有与信息化水平高的银行（占比为h）匹配，且拥有足够的抵押物时（C>Cmin），才能获得银行贷款。这种情况适用于占比为1-G（Cmin）的公司。如果公司开展的是不良项目，便不会选择向银行抵押贷款，否则失败的成本太高。因此Cmin的定义如下： 在公式（5）中，r表示银行的贷款利率。等式左边是指差公司伪装成好公司并从银行获得贷款后享受的好处；若项目获得成功，公司便能获得x−r的收益。等式右边是指项目失败后公司失去抵押物的成本。由于差公司失败的几率更高（pB较低），因此差公司伪装成好公司的成本很高。抵押物的最低水平负向依赖于其价格，即Cmin=Cmin（P）。总之，充足的抵押物（C>Cmin）可以保证在均衡状态下只有好公司能获得贷款。 成熟公司总是能获批银行贷款。若成熟公司匹配到信息化水平高的银行，只有在这家公司有足够的抵押物的情况下，银行才会选择提供抵押贷款；否则，银行会搜集和评估公司信息，若公司质量较高便会提供无抵押贷款。若成熟公司匹配到信息化水平低的银行，银行只会搜集和评估公司信息，若公司质量较高就提供无抵押贷款。 我们假设银行预期提供给年轻公司的贷款（占银行预期总贷款的）份额为sY，模型指出信息化水平高的银行的占比（h）和抵押物价格（P）都会对sY产生影响： 预测1：一旦信息化水平高的银行占比提高，银行提供给年轻公司的贷款占总贷款的份额也会增加， 预测2：抵押物升值后，银行提供给年轻公司的贷款占总贷款的份额也会增加， 预测3：一旦信息化水平高的银行占比提高，则抵押物升值后，银行提供给年轻公司的贷款占总贷款的份额会增加更多， 信息化水平高的银行的占比越高，意味着拥有足够抵押物的优秀年轻公司获得银行融资的机会更多。 抵押物升值也能帮助更多拥有充足抵押物（C>Cmin）的年轻公司获得银行融资，从而增加了广泛边际（Cmin较低）的预期贷款。
在均衡状态下，无论筛选方式或银行类型如何，银行都会筛选所有潜在贷款对象，并且只为好项目提供融资。因此，银行的IT采用情况不会影响获得银行融资的公司的质量。 预测4：在均衡状态下，银行信息化水平提高不会影响获得融资的公司的质量，即违约率不会提高。 延展1：保护追索权的国家与不保护追索权的国家。 为了研究追索权的作用，我们假设占比为i∈（0，1）的公司老板有I的额外外部收入，银行可以追索这部分收入。然而，一些银行所在的州保护追索权，另一些银行所在的州则不保护追索权。在保护追索权的州，所有类型的银行都可以追索此类外部收入，而只有信息化水平高的银行在抵押贷款方面具有相对优势。差公司若伪装成为好公司申请贷款，就面临着失去抵押物和未来收入的风险，所以这种伪装的可能性较低。在不保护追索权的州，如果公司项目失败（以及拖欠贷款），银行不能索赔获得I。这意味着在保护追索权的州，抵押物价值低但未来收入高的公司可以从信息化水平高或低的银行获得贷款，而抵押物价值高但没有未来收入的公司只能从信息化水平高的银行获得贷款（如主模型中所示）。因此，激励相容约束从（5）变为（6）：在保护追索权的国家，银行降低了对抵押物的最低要求 对未来收入的追索权削弱了信息化水平高的银行在抵押贷款方面的相对优势，我们在此基础上做出了下述预测。 预测5 ：（1）在法律保护追索权的国家，相比不保护追索权的国家，信息化水平高的银行占比提高后，银行提供给年轻公司的贷款占总贷款的份额增幅较低，延展2：地理距离。 大量有关银行业的文献强调了借贷双方的地理距离的重要性，以及地理距离如何影响硬信息和软信息的相对价值。根据本文模型，信息化水平高的银行在抵押贷款方面具有相对优势，可以解释为IT使得评估和传递硬信息（抵押物信息）更加便捷，不受借贷双方距离的影响。信息化水平低的银行会通过评估项目信息来筛选贷款人。考虑到距离的作用，我们假设信息化水平低的银行可以筛选一些年轻公司，即那些距银行较近的公司，来提供贷款。因此，我们通过（7）放宽了（4）。当贷款公司距离银行近时，对于银行来说，获取信息的成本远低于投资一个好项目的预期收益。我们假设距离银行远的年轻公司的占比是d∈（0,1），而距离银行近的年轻公司的占比是c。 基于这些假设，我们用φ表示银行提供给年轻公司的贷款占总贷款的比例，并预测了借贷双方的距离对φ的影响。对于信息化水平高的银行来说，距离对φ没有影响： 这是因为不管距离如何，所有有足够抵押物的年轻公司都获得了贷款。对于信息化水平低的银行来说，距离对φ具有决定性影响： 这是因为距银行遥远的年轻公司都未获得贷款，但距银行较近的年轻公司获得了贷款。如果1−d的值很小，那么大多数年轻公司都距银行很远，则 预测6：对于信息化水平低的银行来说，相较信息化水平高的银行，银企之间的地理距离会对贷款产生更重要的影响。 具体而言，相比信息化水平高的银行，信息化水平低的银行向年轻公司提供的贷款占总贷款的比重随银企距离变化而发生的变化更大，也就是说，信息化水平高的银行在硬信息贷款方面具有优势，因此其贷款行为对银企距离变化不太敏感。 实证研究还表明，银企距离会影响银行贷款对当地经济状况的敏感性。Adelino等人证明，由于新的商机会带来更高的营收，因此初创公司会对商机的变化做出强烈反应，抓住本地商机来创造更多就业机会。由于初创公司对市场变化的反应速度比成熟公司快，因此银行向创业公司提供的贷款越多，银行的信贷供应对当地经济状况的反应就越强烈。 一言以蔽之，在距离银行总部较远的县，信息化水平低的银行的信贷供应并不能很好地反映当地经济状况，而距离对信息化水平高的银行来说并不重要。 我们将在下文检验这种关系。 本节介绍了主要变量的构造过程，并概述了实证分析所用的统计数据。 本文将分析的重点放在1999年到2007年间的数据上。虽然近年来银行在持续推进信息化建设，但2008年金融危机后美国采取了实质性的金融监管改革（如多德-弗兰克法案和定期压力测试），影响了银行向年轻和小型企业放贷的能力。在1999年到2007年间，美国没有重大的金融监管变化，因此这一阶段的数据更适合分析银行的信息化水平对创业的影响。IT采用情况。 我们从CiTBD Aberdeen获得了银行分支机构的员工在1999年、2003年、2004年和2006年的人均办公电脑拥有量。根据标准行业分类SIC2，我们仅对银行分支机构的数据进行分析，将储蓄机构和信用合作社排除在外，最终得到了143607个分支机构的数据。
我们主要根据银行分支的人均办公电脑拥有量来衡量IT采用情况。为了了解美国各县的银行业信息化水平，我们进行了如下操作。我们首先将CiTBD Aberdeen的数据与芝加哥联邦储备银行收集的银行控股公司数据合并，随后从金融机构报告（Financial Institution Reports）中搜集了美国银行控股公司的资产负债表和损益表。我们在银行（集团）固定效应上对分支机构的人均办公电脑拥有量进行回归，同时控制银行分支的位置和其他特征，来计算银行控股公司的IT采用情况。我们定义了银行固定效应所捕获的变化，这是我们衡量银行IT采用水平的主要标准。我们关注银行控股公司而非总行或分支机构是因为：（1）银行分支在IT采用上的大部分差异都可以用银行控股公司在IT采用上的差异来解释；（2）原则上来说，银行分支的IT采用可能会受到当地公司形成率的影响，这一点可以通过分支位置固定效应来解释；（3）银行控股公司的观测数据更多，可以减少测量误差；以及（4）这种方法下，银行的IT采用与银行业务模式（资产或资金）、规模或盈利能力不相关，可以消除IT与管理质量或其他混杂因素的潜在相关性。
为了计算各县金融业的信息化水平，我们找到了美国联邦存款保险公司（Federal Deposit Insurance Corporation，FDIC）的存款情况调查年报，将年报数据与Aberdeen-银行控股公司的数据集进行了整合。根据这些数据，我们可以了解每家银行在一个县里有多少家分支机构。我们将
本文主要根据美国银行分支的人均办公电脑拥有量来衡量银行的IT采用情况，这是因为我们能获得绝大多数分支机构的人均办公电脑拥有量数据，而且大量文献都使用过这类数据。我们利用2016年的数据对这个标准的效度进行了检验。2016年，一家银行分支的IT预算与人均办公电脑拥有量之间的相关系数为0.65。人均办公电脑拥有量与人均IT预算的横截面回归的R2为0.44。人均办公电脑拥有量与采用云计算的的概率也呈正相关。这些相关性都能说明人均办公电脑拥有量是IT采用水平的有效衡量标准。 县和行业数据。 我们从季度劳动力指标（Quarterly Workforce Indicators）处获得了年轻公司的数据，即某县某个行业的某家公司在季度末创造的就业机会数据，这里的行业是指用两位数的NAICS代码指代的行业。这类数据还注明了每家公司的成立时长（年龄）。例如，加州奥兰治县中来自制造业且成立不到一年（0-1岁）的公司创造的就业机会。根据文献，我们将年轻公司定义为0-1岁的公司，并且使用了行业第四季度的数据。值得注意的是，年轻公司创造的就业机会在动态变化，衡量的是年轻公司在给定年份创造的工作岗位数量。我们计算了年轻公司贡献的就业占所在县所在行业的总就业的比重，但结果不受其他归一化选择的影响。不管是各州之间还是一州以内，创业公司贡献的就业占总就业的比率在各县都存在显著差异；除了硅谷等科技城市外，其他县的创业活动也很频繁。 我们从2007年的企业所有者公共使用调查（Public Use Survey of Business Owners）获得了各个行业公司启动和扩张资金的来源。对于每个行业i，我们计算了所有利用房屋抵押贷款或个人资产来启动或扩大业务的公司中年轻公司的比例。此外，我们还收集了每个行业创建新公司所需的资本。我们用资本支出减去现金流后再除以资本支出来衡量一个行业对外部融资的依赖程度。 我们从美国农业部获得了赠地学院和大学（land-grant colleges and universities）的公开名单，这些学院和大学成立于19世纪（1862年和1890年）。我们还从1996年综合高等教育数据系统（Integrated Postsecondary Education Data System）的调查中获得了按专业和考试成绩划分的入学数据。 我们需要控制县层面的变量，包括总人口的对数、黑人占总人口的比例和65岁以上人口的比例、失业率、房价增速和人均收入的对数。这些数据的来源分别是：美国人口普查局的人口估计、美国劳工统计局的本地失业统计、美国联邦住房金融局的重复销售房价指数（repeat sales House Price Index）和美国经济分析局的地方人均个人收入。 银行数据。 美国联邦存款保险公司在其存款机构统计数据（Statistics on Depository Institutions）中提供了详细的银行资产负债表数据。我们收集了每年第二季度的银行总资产、一级资本比率、非利息收入和总收入、总的投资性证券、间接成本（效率比率）、不良贷款、资产回报率和存款总额的数据。我们从《社区再投资法》（Community Reinvestment Act，CRA）中获得了银行-县-年层面的贷款发放数据。这是由美国联邦金融机构检验会议（Federal Financial Institutions Examination Council）搜集的银行分支的数据，包含由资产超过10亿美元的银行提供的承诺金额低于100万美元的贷款。我们将贷款数据与银行控股公司-县一级的数据进行整合，然后用log差值来计算贷款的增长。我们还计算了金额小于10万美元的贷款的增长。 描述性统计数据。 表1展示了县和银行层面的主要变量的概要统计数据。表2进一步介绍了县级协变量的平衡性，其中我们将样本分为信息化水平低的县和信息化水平高的县两类。除了人口之外，我们没有发现这两类县之间有显著差异。这两类县具有相似的产业结构，县内非金融公司的IT采用情况也相似。银行的IT采用水平与大多数其他县级变量之间缺乏相关性，可以说明县银行业的信息化水平也与其他不可观察的县级特征不相关，因此不会给结果带来偏差。在第二节中，模型给出了几个主要预测。本节将会利用实证数据来检验这些预测。 1. 信息化水平与创业活动（预测1）
预测1指出信息化水平高的银行占所有银行的比重与银行所在县的创业活动之间存在正相关。为了检验这一预测，我们在县-行业层面估计了以下横截面回归：
其中因变量是1999-2007年间0-1岁的公司创造的就业占c县i行业总就业的比例。 信息化水平和创业活动之间的关系可能受到其他县级特征的影响。为了解决这一问题，我们采取了一系列控制措施。通过控制县的规模（总人口的对数），我们避免了将位于农村的较小的县与位于城市的较大的县进行比较。我们进一步控制了65岁及以上人口的比例，因为年轻人更有可能创业成功，也有更丰富的IT知识。我们还控制了拥有学士或更高学位的成年人的比例。我们同样控制了其他社会人口特征，例如黑人人口的比例、失业率和家庭收入，因而不必担忧当地收入或投资机会与相关变量之间有潜在关联。我们还控制了各县的产业结构差异，以及控制了非金融企业的IT采用水平（由非金融企业的人均办公电脑数量衡量），避免信息化水平总体更高的县创业可能更加活跃的问题。 预测1指出 表3展示了县银行业的信息化水平与创业活动之间的正相关关系。第（1）列显示，在信息化水平较高的县，年轻企业中创造的就业机会占比也显著较高。第（2）列显示，控制了一些县级特征后，信息化水平与创业活动之间的相关系数在大小和显著性上与之前相似，而R2增加了10倍以上。第（3）列（在NAICS2的水平）增加了行业固定效应 ，以控制行业不可观察的混杂因素。增加固定效应后，尽管R2显著增加了20个百分点，但是相关系数的变化并不具备统计学意义或经济意义。第（2）和（3）列的结果表明，县的信息化水平对创业公司的就业贡献的影响与可观察的县级特征和不可观察的行业特征正交，这降低了自选择偏差和遗漏变量偏差的可能性。县的信息化水平与创业活动之间的正相关性相当强：在第（3）列中，IT采用水平每上升1个标准差，年轻公司贡献的就业所占份额就会增加0.38个百分点。 根据本文模型，IT会通过银行贷款渠道刺激创业。我们预期在更多依赖外部融资的行业中，第（1）至（3）列中的正相关会更强。因此，我们在IT采用水平和行业对外部融资的依赖之间增加了一个交互项（公式（11）中的β3），从而增强回归。在第（4）列中，IT采用水平与对外部融资的依赖的交互项系数为正，且具有统计显著性。在信息化水平较高的县，在更依赖外部融资的行业中，年轻公司贡献的就业占比更高，这与银行的信息化水平越高，年轻公司贡献的就业占比更高一致。IT采用水平每增加1个标准差，更多依赖外部融资的行业中年轻企业贡献的就业占比就会增加1个百分点。 在第（5）列中，我们引入了县固定效应来控制任何可观察和不可观察的县级混杂因素。纳入县固定效应后，尽管R2增加了10个百分点，相关系数却仅改变了0.02个百分点，得到的结果与第（4）列几乎相同。 综上所述，表3中的结果为预测1提供了支持：县里信息化水平高的银行越多，该县的创业活动就越多，尤其是在更多依赖外部融资的行业。 稳健性。 我们还额外检验了银行信息化水平和创业活动之间的相关性是否稳健（详见第六节）。结果显示，不管是根据银行的IT采用水平的未加权平均值来衡量县银行业信息化水平，还是根据银行存款的比重来衡量县银行业信息化水平，得出的结论都没有变化。此外，排除金融和教育行业的公司或个别信息化水平或创业活动特别高的县，得出的结论也没有变化。剔除风投活动排名前二十的县后，得出的结果与我们的基线相似。将创业公司贡献的就业占比归一化后也未改变结论。本文的主要发现适用于可贸易行业，因为此类行业较少受当地经济条件的影响。我们还发现，在银行业信息化水平逐步上升的县，创业活动水平也相对较高。2. IT、抵押物和创业活动 (预测2和3) 根据预测2和3，抵押物升值会加强创业活动，尤其是在信息化水平较高的县。我们利用1999年至2007年的县-年份数据，分析了银行业信息化水平是如何影响创业对房价变化的敏感性的，进而检验预测2和3的正确性。我们估计如下回归： 其中因变量是t年c县的i行业中0-1岁企业创造的就业占总就业的比例。 表4第（1）列说明IT采用水平与年轻公司贡献的就业占比呈正相关，这与表3中有关预测1（γ1>0）的结果一致。随后我们检验了预测2（γ2>0）。第（2）列显示，在年份固定效应下房价上涨和地方创业活动呈正相关。第（3）列控制了县银行业的信息化水平，结果同样证实了这一发现。 我们又纳入了县房价变化和IT采用水平之间的交互作用项，对预测3进行了检验。 基于预测3（γ3），我们预期γ3>0，即房价的上涨会导致创业活动的增加，特别是在信息化水平更高的县。为了避免利率变化的影响并控制县或行业层面的混杂因素，我们纳入了县-行业固定效应，仅考虑每个县的每个行业内的变化。第（4）列显示，房价上升后，信息化水平较高的县也会有更多创业活动，这验证了预测3。第（5）和（6）列控制了时变的县级特征，纳入了行业×年份固定效应来解释行业层面不可观察的变化，最终计算出的交互系数与之前的系数在符号、大小和显著性上依旧相似。前文指出房产抵押物的作用在不同行业有所不同，这里我们针对抵押物的作用给出了补充证据。 具体来说，在平均创业启动资金较少的行业，或在大部分公司依赖房屋抵押贷款来启动或扩大业务的行业中，年轻公司对抵押物价值的变化更敏感。我们关注同一县、同一年内不同行业之间的差异，额外纳入了县×年份固定效应。因此，除了控制行业差异之外，我们还控制了时变的县级特征。第（7）和（8）列显示，在信息化水平较高的县，在融资对抵押物价值变化更敏感的行业，房价上涨对创业的积极影响尤为明显。总之，表4验证了预测2和3：在本地抵押物升值时，创业活动便会增加，特别是在银行业信息化水平较高的县。 3. IT采用水平与创业公司质量（预测4） 预测4指出，在均衡状态下，IT采用水平应该不会影响获得贷款的公司的质量。 随着IT不断改进贷款筛选流程，贷款量和贷款公司的边际质量之间并不存在此消彼长的关系。在模型中，公司质量由违约概率衡量，而违约概率在数据中不可观察。因此，我们必须计算创业公司在最初几年创造的就业机会的平均增长率，我们将其称为“转换率”。我们获得了季度劳动力指标提供的特定年份2-3岁的公司创造的就业数据，可以用其减去两年前的数据，从而了解创业公司在过去几年贡献的就业的变化。因此，转换率的定义如下： 对于年龄在2-3岁和4-5岁的公司，我们构建了类似的转换率公式。然后，我们估计了一个类似公式（11）的横截面回归，其中因变量是1999年至2007年的平均转换率。表5中的第（1）至（3）列显示，无论是整体来看还是仅看更依赖外部融资的行业，一个县的银行业信息化水平与当地初创企业从0-1岁到2-3岁的平均转换率都不存在系统相关。根据第（4）至（6）列，上述结论也适用于初创企业从2-3岁到4-5岁的平均转换率。 IT采用水平和本地创业公司的质量之间并不存在显著相关，可能表明银行的IT采用水平具有综合影响。 如果因为IT的采用而创建的公司与其他创业公司在质量上相似，那么信息化水平的提高就对整个经济有益，有助于提高商业活力、增加就业和提高生产率。4. IT与追索权的作用（预测5） 追索权是指贷款人根据欠款判决书依法向借款人追索其他资产或未来收入的权力，追索权可以在部分程度上免去通过抵押物筛选借款人的需要。 在止赎或违约的情况下追索会缓解利益失调的问题。因此，本文模型预测在不受追索权保护的州，IT采用水平和创业之间的正相关会更加明显。我们对预测5进行了检验。美国各州在立法和执法上有较大差异，因此银行很难获得欠款判决书。我们根据是否保护追索权将各州分为两类，并估计了受追索权保护和不受追索权保护的州中各县信息化水平和创业之间的横截面关系（见公式（11））。表6中的第（1）和（2）列说明，在不受追索权保护的州中，IT采用水平和创业公司贡献的就业之间的正相关更强，这与模型的预测一致。第（3）和（4）列的交互项也验证了这一发现。第（3）列显示，在受追索权保护的州中，IT采用水平和创业之间的正相关明显较弱。在第（4）列中，因为北卡罗莱纳州的追索权分类有些模棱两可，因此我们排除了这一个州，得到的结果也验证了预测五。此外，一般情况下，在信息化水平较高的县创业对房价变化的敏感性更高，但在不受追索权保护的州中这一敏感度会降低（见表4中的第9列）。在本节中，我们根据从《社区再投资法》获得的每个县银行提供给小企业的贷款数据，对模型做出的预测进行了额外的检验。 我们首先检验了预测6，即随着IT采用水平的提高，贷款应该会对距离更远的县的新投资机会更加敏感。然后，我们重新审视了预测2和预测3，即抵押物的价值在刺激就业方面的重要作用。通过银行-县回归，我们可以直接测量银行业的IT采用情况，我们可以利用工具变量，并纳入细粒度固定效应。我们根据赠地学院的历史位置构建了工具变量，具体如下所示。
1. 衡量IT采用水平的工具
由于我们直接测量银行业的IT采用水平，而不是通过银行地理足迹的变化来间接测量，因此可以通过工具变量了解IT采用水平的外生变化。 具体而言，赠地学院为所在地培养了具有技术专长的人才，其位置具有准随机性，且被证明可以预测银行的IT采用水平。1862年美国国会通过了《莫雷尔法案》，将联邦政府的土地赠与各州来兴办、资助教育机构，重点教授科学、农业和其他技术学科。即使在今天，赠地学院依然是一个城市技术劳动力供应的重要决定因素，对IT行业而言尤其如此。然而，赠地学院的确切位置在很大程度上只是历史的偶然，与所在地的经济因素无关，也与同一县是否是银行总部所在地无关。
赠地学院可以通过不同渠道刺激银行采用IT。 赠地学院直接为银行培养了更多技术人才，可能会激励银行采用IT。此外，赠地学院和银行的距离较近，有助于知识和技术的传播，银行经理更有可能会投资IT。因此，我们把银行总部与最近的赠地学院之间的距离当作工具变量。我们首先计算了赠地学院j所在县与银行总部所在县之间的距离，以英里为单位（取对数并+1），并用赠地学院的STEM招生规模进行了加权。随后计算了银行到赠地学院的平均距离。由于没有明确的经济理由预测银行与最近、第二或第三近的赠地学院的距离十分重要，我们采取了不可知论的方法，把银行与最近的两所赠地学院的距离这个主成分当作基线工具变量。因此，工具变量可以捕捉银行与最近的赠地学院之间距离的显著变化。我们还计算了银行距离最近的三或五所大学的第一主成分，进一步测试其稳健性。
这一工具背后的关键假设是，银行与最近的赠地学院之间的距离通过银行的IT采用水平影响了银行向小企业贷款的能力，而不是通过改变信贷需求或通过其他银行特有的渠道来影响银行向小企业贷款的能力。 前人研究表明，赠地学院的学生更有可能主修技术学科，不太可能主修商业和管理科学。因此，赠地学院有助于为银行提供技术人才而非管理人才。根据图2（a），银行与最近的赠地学院的距离与银行的IT采用水平之间存在强负相关。在随后的回归中，我们控制了许多与银行相关的因素，其中最重要的是银行规模，因为银行规模决定了规模效益，而规模效益能够促进IT采用。如图2（b）所示，我们控制银行规模后，银行与最近的赠地学院的距离与银行IT采用水平之间仍存在负相关。
然而，赠地学院也可能影响附近的非金融公司。我们利用银行-县细粒度数据来解决这个问题。首先，我们主要关注大型银行控股公司，此类公司在银行总部所在县以外的地区开展大部分贷款业务。其次，贷款公司-县固定效应（下文会讨论）吸收了可能影响当地非金融公司信贷需求的潜在混杂因素。第三，从样本中排除各银行的总部所在县，以及有赠地学院的县，结果依旧不变（见表A3）。 2. IT与距离在银行贷款中的作用（预测6） 在模型中，银行需要花费一定成本v来验证抵押物的价值。 由于信息化水平高的银行可以更好地验证抵押物的存在和市场价值，并将信息传递给（远方的）银行总部，因此降低了距离在贷款决策中的重要性。我们假设IT的采用可以降低v。预测6指出，随着IT采用水平的提高，银行贷款应该对距离更远的县出现的新投资机会更加敏感。 大量文献表明，信息摩擦会随着贷款人-借款人距离的增加而增强，我们测试了当地投资机会和银企距离之间的关系是否随着银行的IT采用水平而变化。我们使用了1999年到2007年的银行-县-年份数据：其中因变量是在t年b银行对c县的小企业提供的贷款总额的的对数差值。 变量表7的结果与假设一致。 第（1）列显示，地方收入的增长与地方贷款的增长呈正相关。 银企距离越远，银行的小企业贷款对当地投资机会的敏感度就越低，因为收入和距离之间的交互项为负。 第（2）列加入了县×年份固定效应，结果显示，控制不可观测的时变公司-县特征后，结论仍然成立。 第（3）和（4）列表明，对于信息化水平低的银行来说，贷款会随银企距离的增大而减少； 对于信息化水平高的银行来说，距离没有抑制作用。 第（5）列的交互项也证实了上述结论。 由于初创公司通常仅能获得小额贷款，我们将贷款限制在10万美元以内后，得出的结果也是类似的。 第（7）至（8）列和第（5）至（6）列基本一样，但使用了基于银行与最近的两所赠地学院之间距离构建的工具变量。第（7）至（8）列和第（5）至（6）列的主要系数在符号和显著性方面相似，但前者更大。这说明增地学院预测的IT变化值是实际的0.15倍（0.156 vs 0.932）。我们调整实际和预测IT水平之间的标准差后，第（5）至（6）列和第（7）至（8）列得出的系数大小相似。回归纳入了县×年份固定效应，可以吸收公司-县层面上不可观察的变化，控制与赠地学院及贷款需求相关的混杂因素。 3. IT、房价和小企业贷款 我们会重新审视预测2和预测3来证明IT降低了创业公司获得银行融资的难度，尤其是在房价上涨的情况下。 我们调查了信息化水平高和低的银行是如何调整小企业贷款以应对房价变化的，并估计了1999-2007年银行-县-年份的回归方程：其中因变量是t年b银行对c县提供的小企业贷款总额的增长。主要解释变量 在本节中，我们将进一步佐证模型及其假设，并开展进一步的稳健性检验。 IT和抵押贷款。 模型的一个关键假设是，IT水平高的银行在通过抵押物筛选贷款对象方面具有相对成本优势。虽然不了解银行向创业公司提供的抵押贷款，但我们可以利用DealScan的数据寻找抵押贷款存在的证据。根据图A1，抵押贷款占总贷款的份额与银行IT采用水平呈正相关。为控制（不可观察的）公司间差异，我们估计了以下线性概率模型：
在公式（15）中，b代表在t年向公司i发放贷款的银行； 本地竞争的作用。 本文模型并未考虑本地银行业的竞争与IT采用之间的交互作用。为了确保本地竞争不会影响关键实证结果，我们重新评估了公式（11），但控制了银行业市场集中度（用HHI指数衡量）及其与IT的交互作用，结果如表A5所示。第（1）至（2）列根据贷款份额计算了HHI指数，第（3）至（4）列根据存款份额计算了HHI指数。一般来说，市场集中度与创业活动呈正相关。这可能反映出，在竞争不那么激烈的市场中，银行有足够高的收入来获取昂贵的软信息，或者银行可能更倾向于贷款给初创公司，因为银行预期随着年轻公司不断成长，它们会在未来给银行带来更多收入。然而，市场集中度和银行IT采用水平之间没有显著的交互作用，并且考虑到市场结构，IT对创业的积极影响在很大程度上不受市场集中度的影响。这一结果支持了模型中关于本地竞争的假设。延展和稳健性。 表A1展示了对县级主要结果开展的稳健性检验。第（1）列复制基线结果进行比较（见表3中第（3）列）。第（2）列中，IT采用水平由银行IT采用水平的未加权平均值衡量。第（3）列中，IT采用水平由当地存款份额（而非分行数量）加权。IT采用水平和创业活动之间的正相关仍然存在，说明这种关系并非由IT采用水平的某种衡量指标引起。第（4）列排除了金融和教育行业，第（5）列排除了怀俄明州的数据，因为怀俄明州是银行业IT采用水平最高的州。根据第（4）和（5）列的数据，我们发现之前的结论依然没有改变。第（6）列纳入了州固定效应，数据表明即使只看州内的变化，之前的结论依然没有改变。第（7）列将创业公司贡献的就业占去年总就业的比例归一化，第（8）列表明结果不受总就业人数下降的影响。第（9）列重点关注可贸易行业的公司，这些公司受本地经济条件影响较小。第（10）和（11）列显示，即使存在风投等其他形式的外部融资，也不会影响之前的结论。IT采用水平随时间而提高。检验预测1的另一种方法是分析IT采用水平的提高和县创业活动的变化之间的关系。我们用以下公式计算县银行业IT采用水平的变化： 其中 在过去几十年中，银行业对IT进行了大规模投资。然而，几乎没有证据表明银行业的这场“IT革命”对银行贷款和实体经济产生了影响。创业公司常常因为信息不够透明而难以获得银行贷款，因此可能对影响银行获取信息的技术特别敏感。 由于创业公司对总体就业、创新和增长至关重要，因此本文着重关注银行业IT水平的提升对创业公司的影响。
本文发现IT在金融业的应用对创业活动具有刺激作用。 在信息化水平高的银行集中分布的地区，初创公司贡献的就业占总就业的比重相对更多，且这一点在更多依赖外部融资的行业中尤为明显。理论和经验都表明，抵押物在解释上述关系中扮演着重要角色。由于IT可以帮助银行评估抵押物的价值和质量并传递评估信息，因此信息化水平较高的银行更有可能在创业公司抵押物升值的情况下增加贷款发放量。我们在工具变量回归中证实了这些发现。
我们的研究结果对政策制定有一定参考价值。在过去几年里，银行业一直热衷于采纳新技术。 与此同时，金融科技公司发挥着越来越大的作用，与银行合作借助IT为小企业提供贷款。这些发展引发了一场关于金融业信息化水平提升对实体经济的影响的辩论，例如金融业信息化水平提升后会影响软信息和硬信息的相对重要性或对抵押物的需求，进而对实体经济产生影响。研究结果表明，采用IT会使抵押贷款或硬信息变得更普遍、更容易，进而刺激年轻公司创造就业机会。从政策角度来看，这一发现说明金融技术的进步可以减轻对年轻和有活力的公司的金融约束。
文章来源：国际清算银行
翻译：潘颖颖
高翻：陈思雨
主编：闵文文 朱霜霜
学术指导：杨 涛
来源 ｜金融科技研究
版面编辑 ｜薛昕安
责任编辑 ｜李锦璇、蒋旭
总监制 ｜朱霜霜