金融科技有助于提升企业投资效率吗？——基于中国A股上市企业的实证研究 | 经济

 导 读 

改革开放以来，中国的投资体制改革取得了显著成绩，有力推动国民经济和社会持续快速发展。然而，从企业微观层面来看，中国上市企业整体投资效率不高，非效率投资现象严重，投资过度与投资不足并存。随着大数据、云计算、人工智能、区块链等新兴信息技术在金融领域的广泛应用，金融科技迎来爆发式增长并成为国内外学者的研究热点。金融科技是金融与科技的不断相互作用、相互融合所形成的范畴，具有共享、便捷、低成本、低门槛等主要特征。金融科技不仅对金融市场、机构及金融服务产生巨大而深刻的影响，而且对企业生存发展乃至治理有着十分重要的影响。基于此，文章就金融科技能否提高企业投资效率这一现实问题展开了研究。

金融科技有助于提升企业投资效率吗？

——基于中国A股上市企业的实证研究

作者：邵学峰  胡 明

 摘 要 

本文基于2011-2018年沪深A股上市企业数据，考察金融科技对企业投资效率的影响及其传导机制。研究发现，金融科技具有资源效应和治理效应，显著提升了企业投资效率。机制分析表明，金融科技通过“融资约束与财务费用率”“负债杠杆及风险稳定”两类中介变量影响企业投资效率。异质性分析表明，企业资产负债率和现金持有量、所在城市金融和信息发展水平以及所属产业类别都会显著影响金融科技对企业投资效率的提升效应。研究结论对于发挥金融科技的正向作用，推动金融科技发展和提高企业投资效率具有政策参考价值。

 关键词 ：金融科技 资源效应 治理效应 企业投资效率

一 引 言 

随着大数据、云计算、人工智能和区块链等新一代信息技术在金融业领域的广泛应用，金融科技迎来爆发式增长并逐渐成为金融业的核心竞争力。我国政府高度重视金融科技的发展工作，2020年党的十九届五中全会提出，提升金融科技水平，增强金融普惠性；2022年1月，中国人民银行印发《金融科技发展规划（2022-2025）》，提出新时期金融科技发展指导意见。国内学者对金融科技广泛关注，将金融科技能否提升企业投资效率纳入研究视野。刘园等采用因子分析法构建金融科技指数，分析了金融科技对实体经济投资效率的影响[1]。王娟和朱卫末利用北京大学数字金融普惠指数和沪深A股数据，从省级层面分析数字金融发展对企业投资效率的影响[2]。这些研究认为金融科技对企业投资行为产生重大影响，但前者认为金融科技与企业投资效率呈“U”型关系，后者认为金融科技显著提高了企业投资效率。主要解释变量金融科技指标的测度方法不同是研究结论产生差异的主要因素之一，有学者进一步指出他们所采用的测度方法存在不足。唐松等指出，由于金融科技概念更迭快速，依靠关键词表测度金融科技指标的因子分析法缺乏根基性[3]。宋敏等认为，中国数字普惠金融指数主要是基于支付宝用户数据所开发，着重于突出普惠特性而忽略金融科技的技术本质，提出金融科技公司数量能更为客观、准确反映地区金融科技的真实发展情况[4]。

本文拟从金融科技的经济效应出发，利用金融科技公司数量构建金融科技指标，采用计量经济模型实证研究金融科技对企业投资效率的影响及其传导机制。本研究试图解决以下三个问题：（1）金融科技发展是否有助于提升企业投资效率？（2）金融科技如何影响企业投资效率？（3）若金融科技发展能够促进企业投资效率提升，是否因企业自身特征、所在地区资源禀赋以及所属产业的不同而存在差异？

二

 文献回顾与理论假设 
（一）金融科技对企业投资的影响

金融稳定理事会（Financial Stability Board）认为金融科技是技术驱动的金融创新，它能创造出来新的业务模式、技术应用、流程和产品，从而对金融市场、金融机构或金融服务提供方式造成重大影响。这个概念与2015年中国人民银行等十部门官方定义的“互联网金融”[5]以及黄益平和黄卓定义的“数字金融”[6]基本相似，没有本质差别。因此，本文不再区分金融科技和互联网金融、数字金融之间的细微差别，而笼统称为金融科技。

现有研究认为，金融科技提高金融市场运行效率，推动传统金融机构及其业务的优化提升。黄浩认为，金融科技能够低成本低风险处理海量数据，快速匹配供需双方，改善信息不对称所产生的高风险溢价和高运营成本[7]。Cole等提出，金融科技作为一种新业态，提供诸如智能投顾、供应链金融等多样化的融资渠道和方式，有效提高企业资金的可获得性[8]。Tobias等指出，金融科技企业不拘泥于用财务报表和抵押品来评估借款人信用，而是应用大数据技术进行信用评估，社会关系网络、公共记录、会计账单、支付记录甚至数字足迹都可作为信用决策的依据[9]。Norden等进一步认为，金融科技发展热潮倒逼传统金融机构数字化转型，提升风险管理能力和资源配置效率，提供更高质量、低成本的金融服务[10]。

金融科技对企业技术创新、经营管理等有着重要的影响。唐松等认为，金融科技引导生产要素进行跨产业、跨时空配置，提高要素资源的流通效率，便利地区或行业之间的交流，助力企业开展技术创新活动[11]。阮坚等提出，金融科技减少信息差，提高信息流转度，有助于企业做出合理的经营决策[12]。张斌彬等认为，金融科技有效打破企业财务信息系统、营销管理系统的信息结界，推动信息化发展，提高经营管理效率[13]。

基于上述分析，提出假说1：金融科技有助于提升企业投资效率。

（二）金融科技对企业投资效率提升的资源效应

金融科技通过信息技术推动金融业务模式、技术应用以及流程和产品的创新，降低了金融市场信息不对称程度，拓宽企业的融资渠道并降低融资成本，从而缓解企业“融资难、融资贵”的困境，本文称之为金融科技的资源效应。

金融科技的资源效应通过融资约束与财务费用率渠道实现。谢平等认为，金融机构借助大数据、机器学习算法等技术，高效率、低成本地获取和挖掘资金需求方的信息和数据，采用信用评估模型进行信贷决策和风险控制，改善资金供需双方信息不对称情况，从而缓解融资约束[14]。连玉君和苏治认为，降低融资约束有助于弥补企业投资不足[15]。顺延此逻辑链条，可认为金融科技通过降低融资约束进而缓解企业投资不足。

一方面，金融科技增强了金融机构信息获取能力，使得金融机构能够全方位、多角度掌握企业信息，实时收集企业相关交易、财务等数据，及时跟踪企业运行情况，能够在企业投资需要资金时迅速提供。企业因而不必再储备过多的资金，也不会因为内部资金储备少而丧失良好的投资项目。另一方面，金融科技带来的便捷高效信息处理技术帮助企业迅速获取市场信息，快速准确制定财务规划、财务决策以及财务监管，有利于企业降低财务费用。由此可得，金融科技降低企业财务费用率，为企业进行项目投资创造良好条件。

基于以上分析，提出假说2：金融科技的资源效应对企业投资效率提升具有促进作用，融资约束、财务费用率是“金融科技资源效应-企业投资效率”路径上的关键节点。

（三）金融科技对企业投资效率提升的治理效应

金融科技在一定程度上破除信息壁垒，增强企业财务信息透明度，提高生产经营、技术创新等决策效率，缓解经营者与股东之间的代理冲突问题。本文将这种影响看作是金融科技的治理效应，并认为其借助债务杠杆和财务稳定机制路径来实现。

资本替代理论认为，负债融资增加大股东与债权人之间的利益冲突，可能导致企业过度投资或投资不足。梁安琪和武晓芬实证研究发现，债务杠杆是影响企业投资效率的重要因素，去杠杆能够提高企业投资效率[16]。张斌彬等认为金融科技帮助企业有效管理和约束内部资源，降低了不必要的杠杆，并用沪深A股企业数据验证了金融科技显著抑制企业杠杆率提升[17]。由此可认为，金融科技降低企业杠杆率水平，进而促进企业投资效率提升。

唐松等认为，金融科技推动企业信息化进程，提高资产运营管理效率，提高企业内部的财务风险稳定水平[18]。企业财务稳定是企业投资活动的重要保障，财务稳定水平越高，越有能力为企业投资提供良好的制度、金融环境，更有利于企业提升投资效率。

据此，提出假说3：金融科技的治理效应对企业投资效率提升具有促进作用，财务杠杆、风险稳定是“金融科技治理效应-企业投资效率”路径上的关键节点。

三 研究设计 （一）样本选取和数据来源

A股上市企业数据来源于CSMAR和Wind数据库，时间跨度为2011-2018年，并剔除资不抵债企业、交叉上市企业、上市当年及以前的数据样本、股票受证券会特别处理的企业年度样本以及主要变量缺失的样本。金融科技公司数据来自中国天眼查官网。

（二）模型构建与变量定义

为了检验金融科技水平与企业投资效率之间的关系，设定如下模型：

其中，InvEffi,t为企业i在t年的投资效率，Fintechi,t-1表示金融科技发展水平，Controli,t为一系列控制变量，Yeart和Industryi,t分别为年度和行业虚拟变量。

1.投资效率的测算

参考Richardson的研究[19]，构建如下模型测度企业投资效率：

其中，Invi,t为资本投资量，定义为企业购买各类资产的现金支出与出售资产的现金收入差值除以年初总资产；TQi,t-1为成长机会，定义为托宾Q值；Levi,t-1为资产负债率；Cashi,t-1为现金持有量，定义为年末货币资产除以总资产；Agei,t-1为上市年龄，由观测年与上市年的差值取自然对数所得；Sizei,t-1为总资产的自然对数；Yeart和Industryi,t分别为年度和行业虚拟变量。企业投资效率（InvEff1）用模型（2）的残差绝对值来表征，其值越大表明企业投资效率越低；模型（2）的残差大于零、小于零分别表示投资过度与投资不足。衡量企业投资效率的另一指标（InvEff2）是使用账面价值比（BM）作为TQi,t-1的代理变量。

2.金融科技发展的测算

参考宋敏等测算方法，采用金融科技公司数量构建金融科技指标。首先，在中国天眼查网站检索“大数据”“云计算”“区块链”“人工智能”“物联网”等关键词，获取所有相关公司的工商注册信息。为避免检索中出现的巧合字符匹配，只保留公司名称或经营范围中出现以上关键词的样本。此外，为防止“空壳公司”影响测算的准确性，剔除经营时间小于1年或经营状态非正常（如停业、解散、吊销等）的样本。然后，根据巴塞尔银行监督委员会对金融科技业务模式的分类，使用正则表达式模糊匹配“支付”“结算”“存贷款”“资本筹集”等关键词，保留匹配成功的样本。考虑到经营范围中存在“以上不含……业务”“以上……除外”等字段，在筛选之前删除这些字段。最后，统计地级市每年的金融科技公司数量。考虑金融科技的空间穿透力和溢出效应，以企业所在地级市及周边200km内的地级市金融科技公司数量之和来表示企业所在地的金融科技发展水平。

3.控制变量说明

模型选取的控制变量包括：企业规模（Size），用企业营业收入取自然对数表征；现金持有量（Cash），用企业年末货币资金除以总资产表征；固定资产占比（PPE），用固定资产除以总资产表征；企业上市年龄（Age），用企业上市年数的自然对数表征；董事会独立性（Indep），用独立董事人数在董事会中的比例表征；股权集中度（Block），用第一大股东持股比例表征；账面市值比（BM），用股东权益与企业市值之比表征；年回报率（Ret），用考虑现金红利再投资的年个股回报率表征；资产回报率（ROA），用净利润与总资产的比值表征；两职合一（Mega），董事长与总经理同为一人时取1，否则为0；审计意见（Audit），财务报表审计意见为标准无保留意见取0，否则为1；地区经济发展（EconoDev），用地区GDP增长率表征。

（三）描述性统计

表1显示，采用托宾Q值和BM计算的投资效率测度分布极其相似，均值都比中位数略大一点，无明显偏态。金融科技测度（FintechN_R）均值为7026，远远大于中位数4187，说明金融科技测度指标存在明显右偏特征，故采用对数变换（FintechN=ln（1+FintechN_R））表示金融科技发展水平。主要变量间的相关系数都小于0.3，说明模型不存在严重的多重共线性问题，设定较为合理。

▼表1 描述性统计

（点击图片查看大图）

四 实证结果与分析 （一）基准回归

表2中的基准回归采用截尾回归模型方法对模型（1）进行估计，每列回归均控制行业和年度效应，并使用稳健标准误调整了t统计量。基准回归的结果显示，FintechN的估计系数均在1%水平上显著为负，表明金融科技发展显著提高了企业投资效率。该结果支持研究假说1。另外，控制变量系数的显著性和符号与现有研究基本一致。

▼表2 基准回归与内生性检验

（点击图片查看大图）

（二）内生性问题

内生性检验以“企业所在地级市到杭州的距离”作为金融科技的工具变量（IV）。表2的工具变量估计结果显示，IV的系数估计值在1%水平上显著为负，表明企业所在地离杭州越远金融科技水平越低，验证了工具变量的相关性。FintechN的系数在1%水平上都显著为负，说明在缓解潜在内生性后，金融科技仍然显著提高企业投资效率。本文还对弱工具变量进行了检验，结果表明不存在弱工具变量问题。

（三）稳健性检验

采用以下三种方式检验上述结论稳健性。第一，考虑投资效率测度指标对结论有重要影响，若更换投资效率测度指标，前述结论仍然成立，表明结论具有稳健性。具体地，使用Biddle等[20]或Chen等[21]的方法测算企业投资效率，重新估计模型（1），发现估计结果与基准回归高度一致，表示前述结论并不因为更换投资效率测度指标而受影响。第二，考虑注册公司数目没有捕捉到金融科技水平，使用金融科技公司注册资本的对数值或数字普惠金融指数中的“数字金融使用深度”作为金融科技代理变量，重新估计模型（1），结果显示，除解释变量的参数估计值大小略有差异，前述结论并未改变。第三，考虑直辖市金融科技发展较快，企业投资效率往往也较高，存在较严重反向因果的可能性，因此，剔除直辖市样本，对模型（1）重新估计的结果与基准回归一致，仍然支持前述结论。

五 机制检验 

理论部分提出金融科技具有资源效应和治理效应，并认为“融资约束与财务费用率”“负债杠杆及风险稳定”分别是这两种效应传导机制上的关键节点。本文将采用温忠麟等的中介效应模型[22]来验证金融科技效应的传导机制。

（一）金融科技资源效应的传导机制验证

融资约束（KZ）按照Kaplan和Zingales的方法[23]计算，财务费用率（Fin_Rate）用财务费用占营业收入比重表示，资源效应的检验结果见表3的“融资约束与财务费用率”渠道。表3第（1）至（4）列中，FintechN的系数在1%水平上都显著为负，表明金融科技有助于缓解融资约束和降低财务费用率；KZ的系数在1%水平上显著为正，表明降低融资约束能够缓解企业投资不足；Fin_Rate的系数在1%水平上显著为正，表明降低财务费用率能够提高企业投资效率。这些结果说明，融资约束和财务费用率是金融科技资源效应传导途径上的关键节点。

▼表3 机制识别检验

（点击图片查看大图）

（二）金融科技治理效应的传导机制验证

债务杠杆（Lev）用总负债与总资产的比值来衡量，按Altman的算法[24]计算经典风险Z值并以其对数值（LnZ）表示财务风险，治理效应的检验结果见表3的“财务杠杆与风险稳定”渠道。表3第（5）至（8）列中，FintechN的系数在1%水平上显著为负，表明金融科技显著降低了企业杠杆水平；Lev系数显著为正，表明负债杠杆与企业投资效率存在显著的正相关；FintechN的系数显著为正，表明金融科技显著提高企业财务稳定；LnZ的系数在1%水平上显著为负，表明财务稳定显著提高了企业投资效率。研究结果支持债务杠杆、财务风险是金融科技治理效应中介变量的假说。

五 进一步研究：异质性分析 （一）基于企业特征的异质性分析

将资产负债率和现金持有量作为企业特征，以它们的中位值为界分标准划分企业组别，并进行分组回归和费舍尔检验。由表4的资产负债率分组研究可知，金融科技显著缓解高负债率企业的投资不足。其原因是传统金融机构把负债率视为重要信用评价标准，负债率高的企业难以获得其信贷资源，而金融科技的发展提高了企业资金可获性，高负债率也能获得金融资源。现金持有分组研究发现，金融科技显著抑制高现金持有企业过度投资行为。其原因可能是金融科技显著增强高现金持有企业的股东对企业生产经营活动的监督能力，降低了股东与经营者间的委托代理成本，抑制经营者过度投资行为。

▼表4 企业特征和城市资源禀赋差异下金融科技的异质性影响

（点击图片查看大图）

（二）基于城市资源禀赋的异质性分析

将传统金融发展水平和互联网普及率分别作为城市金融和信息资源禀赋代理变量，以其中位值为界分标准划分城市组别，并进行分组回归和费舍尔检验。表4的结果显示，金融科技在金融发达地区显著提升企业投资效率。这说明金融科技并不能完全脱离传统金融，金融不发达地区由于缺乏资金与人才，在金融科技应用、数字化转型方面较为落后，很大程度上阻碍金融科技对企业投资效率的提升效应。从信息水平分组回归来看，金融科技在信息技术水平较高的地区对企业投资效率的促进作用更大，这意味着金融信息基础设施如5G网络、数据中心等是影响金融科技效应的一个重要因素。

（三）基于产业的异质性分析

根据《上市公司行业分类指引》（证监会2012版）将样本企业按产业属性划分，并进行分组回归和费舍尔检验。由表5的研究结果可知，金融科技对第一产业企业投资效率提升作用不显著，却显著地提升了第二、三产业企业投资效率。究其原因，主要是第一产业产品生产周期长，生产活动本身风险大，严重制约金融科技资源效应和治理效应的发挥。

▼表5 产业的异质性影响

（点击图片查看大图）

七 政策建议 

我国正在加快构建“双循环”新发展格局，提高投资效率是实现良性“双循环”的一个关键因素。基于研究结论，本文提出以下政策建议：

第一，推动金融科技规范发展，防范垄断造成的不正当竞争。强化金融科技发展规划与顶层设计，明确总体发展思路、阶段性目标、重点任务和保障措施。完善金融科技法律法规，制定金融科技平台企业垄断认定、数据收集使用管理、消费者权益保护等领域的基本规则，坚决破除垄断，保护各类交易主体利益。大力营造开放、包容、安全的金融科技生态环境，降低金融科技市场进入壁垒，引入更多市场主体参与竞争。

第二，充分发挥金融科技的正向效应，助力构建“双循环”新发展格局。强化金融科技基础理论、重点领域及关键技术研究。统筹推进金融信息基础设施建设，稳步推进金融信息基础设施国产化，防止关键技术被“卡脖子”。充分发挥金融科技的正向带动作用，推动传统金融机构数字化转型升级，促进实体企业合理配置资源。深入推进金融科技赋能乡村振兴示范工程、金融数据综合应用试点，让金融科技成为乡村振兴的“推进器”。重视金融科技的宣传教育工作，提高企业管理人员对金融科技及其应用领域的认知。

第三，加强金融科技创新活动审慎监管，形成与金融创新发展相配套的监管机制。转变金融监管理念，树立主动监管、科技监管与金融监管并重、安全价值与效率价值并重但更注重效率的监管理念。建立健全金融科技监管基本规则和标准，大力推动金融领域科技伦理治理体系建设，探索监管部门、金融机构、科技企业的良性合作与试点机制。积极发展监管科技，探索以技术驱动的创新型监管方法，实现监管科技与金融科技的共同发展。

 注释：

[1]刘园、郑忱阳、江萍、刘超：《金融科技有助于提高实体经济的投资效率吗？》，《首都经济贸易大学学报》，2018年第6期。

[2]王娟、朱卫未：《数字金融发展能否校正企业非效率投资》，《财经科学》，2020年第3期。

[3]唐松、赖晓冰、黄锐：《金融科技创新如何影响全要素生产率：促进还是抑制？——理论分析框架与区域实践》，《中国软科学》，2019年第7期。

[4]宋敏、周鹏、司海涛：《金融科技与企业全要素生产率——“赋能”和信贷配给的视角》，《中国工业经济》，2021年第4期。

[5]中国人民银行等十部门在2015年7月联合出台的《关于促进互联网金融健康发展的指导意见》将互联网定义为“互联网金融是传统金融机构和互联网企业运用互联网和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式”。

[6]黄益平和黄卓在《中国的数字金融发展：现在与未来》一文中将数字金融定义为“数字金融泛指传统金融机构与互联网企业运用互联网技术和信息通信技术实现投融资、支付和其他新型金融业务模式”。

[7]黄浩：《数字金融生态系统的形成与挑战——来自中国的经验》，《经济学家》，2018年第4期。

[8]Cole, R.A., Cumming, D. J. and Taylor, J. D. ,  Does FinTech Compete with or Complement Bank Finance?, Social Science Electronic Publishing, 2019, No.3302975. 

[9]Tobias, B. et al., On the Rise of FinTechs: Credit Scoring Using Digital Footprints , The Review of Financial Studies, 2020, 33(7): 2845-2897. 

[10]Norden, L. , Buston, C. S. and Wagner, W., Financial Innovation and Bank Behavior: Evidence from Credit Markets, Journal of Economic Dynamics and Control, 2014, 43: 130-145.

[11][18]唐松、伍旭川、祝佳：《数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异》，《管理世界》，2020年第5期。

[12]阮坚、申么、范忠宝：《何以驱动企业债务融资降成本——基于数字金融的效用识别、异质性特征与机制检验》，《金融经济学研究》，2020年第1期。

[13][17]张斌彬、何德旭、张晓燕：《金融科技发展能否驱动企业去杠杆？》，《经济问题》，2020年第1期。

[14]谢平、邹传伟、刘海二：《互联网金融的基础理论》，《金融研究》，2015年第8期。

[15]连玉君、苏治：《融资约束、不确定性与上市公司投资效率》，《管理评论》，2009年第1期。

[16]梁安琪、武晓芬：《企业去杠杆、投资效率和企业绩效》，《经济与管理》，2021年第1期。

[19]Richardson, S., Over-Investment of Free Cash Flow, Review of Accounting Studies, 2006, 11: 159-189.

[20]Biddle, G., Hilary, G. and Verdi, R., How Does Financial Reporting Quality Relate to Investment Efficiency?, Journal of Accounting and Economics, 2009, 48(2):112－131.

[21]Chen, F. et al., Financial Reporting Quality and Investment Efficiency of Private Firms in Emerging Markets, The Accounting Review, 2010, 86(4): 1-53．

[22]温忠麟、张雷、侯杰泰、刘红云：《中介效应检验程序及其应用》，《心理学报》，2004年第5期。

[23]Kaplan, S.N. and Zingales L., Do Investment-cash Flow Sensitivities Provide Useful Measures of Financing Constraints, Quarterly Journal of Economics, 1997, 112(1):169-215.

[24]Altman, E.I., Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance, 1968, 23(4): 589-609.

（▲向下滑动查看全部注释）

 基金项目 

国家社会科学基金一般项目“数字经济下新业态企业税收管理问题研究”(项目编号：20BJY224)。

 作者简介 

邵学峰，吉林大学横琴金融研究院研究员，吉林大学经济学院副院长、教授、博士生导师；

胡  明（通讯作者），吉林大学横琴金融研究院研究员，吉林大学经济学院博士后。

本文原载于《学习与实践》2022年第3期。

-end-

# 推荐阅读  （点击下方标题前往阅读）
01  学习与实践2022年第7期目录及摘要02 大历史观视域下历史主动精神的理解逻辑及实践展望 | 马克思主义理论与实践（作者：何锡辉）03  一体化问责视阈下行政问责的理论建构与实践探索 | 政治（作者：朱福惠 侯雨呈）04  人工智能技术应用与中国制造业企业生产率——兼对“生产率悖论”的再检验 | 经济（作者：郑琼洁 王高凤）05  后《慈善法》时代的私益募捐及其法律规制——以求助型网络众筹为切入点 | 法律（作者：李德健）06 新业态灵活就业人员社会保障制度健全研究 | 社会（作者：匡亚林 梁晓林 张 帆）07  偶像符号的编码：人工智能虚拟偶像消费文化研究 | 新闻与传播（作者：付茜茜）