何劍 魏濤 劉炳榮

摘? ?要：作為新興金融業(yè)態(tài)，數字金融發(fā)展會對既有金融體系帶來怎樣的沖擊和影響？聚焦于貨幣政策傳導機制這一宏觀命題，立足于我國以銀行信貸渠道為主導的數量型中介，運用我國商業(yè)銀行、A股上市公司的微觀面板數據，本文深度剖析了數字金融發(fā)展與貨幣政策銀行信貸渠道傳導之間的內在聯系和影響機理。研究發(fā)現：（1）數字金融發(fā)展顯著弱化了貨幣政策銀行信貸渠道的傳導效應，采用工具變量法克服內生性和控制影子銀行變量等一系列穩(wěn)健性檢驗后的結果依然支持該結論。（2）具體而言，數字金融削弱銀行信貸渠道傳導效果是通過改變銀行資產負債結構和弱化實體企業(yè)對銀行貸款的依賴而實現的。（3）上述弱化效應在以城市和農村商業(yè)銀行為主的中小型金融機構以及低資本、低流動性和低報酬的銀行中尤為突出。

關鍵詞：數字金融;銀行信貸渠道;貨幣政策傳導;銀行資產負債結構;銀行貸款依賴

一、引言

作為銜接宏觀經濟政策與微觀經濟運行的媒介，疏通和完善貨幣政策傳導機制是我國金融運行和金融調控中向來備受關注的熱點議題。沿襲凱恩斯學派的理論脈絡，貨幣政策傳導有賴于以銀行信貸渠道為主的非古典數量機制（Kashyap 和 Stein，2000）[1]和利率渠道為主的新古典價格機制（Tobin，1969）[2]對實體經濟施加影響，而本研究更側重以銀行信貸渠道為對象展開。其一，就深處于利率市場化改革關鍵期的中國而言，利率價格渠道傳導并未完全疏通，2019年實體經濟獲取新增銀行貸款占社會融資總量的比重高達65.75%，以銀行業(yè)為主導的間接融資體系仍占據社會融資的主要地位，而事實上中央銀行也通常將宏觀經濟調控的重心置于對銀行信貸傳導渠道的監(jiān)測（顧海峰和楊立翔，2017）[3];其二，由于我國股票市場起步較晚且制度不完善，企業(yè)債券市場的發(fā)展也有限，對我國微觀企業(yè)而言，來自銀行貸款的資金一直為實體經濟提供了最重要的支持，進而使得銀行信貸成為貨幣政策傳導的主要渠道（董華平和干杏娣，2015）[4]，越來越多的學者也開始重視銀行信貸傳導渠道的作用 （張娜，2019）[5]?？梢姡芯裤y行信貸渠道對于加深理解貨幣政策傳導規(guī)律的重要意義不言而喻。

近年來，在新興技術與傳統金融業(yè)態(tài)深度融合情景下，數字金融已然成為轉軌時期我國金融體系結構變遷的又一新鮮元素。黃益平和黃卓（2018）[6]將數字金融界定為傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業(yè)務模式。盛行于金融市場中的各類互聯網理財產品、小額信貸、電子信用以及有價證券等新型金融產品就是數字金融的具體表現形式。當前，包含螞蟻金服、京東金融、陸金所、眾安保險、第三方支付、網絡借貸以及數字保險和電子貨幣在內的數字金融業(yè)務發(fā)展，對整個金融生態(tài)環(huán)境產生了深遠影響。2020年4月，我國中央銀行數字貨幣體系還基本完成了頂層設計、標準制定、功能研發(fā)、聯調測試工作。然而，在充分享受由數字經濟所衍生的社會福利的同時，根植于云計算和區(qū)塊鏈主導的分布式計算技術、內生于物聯網和移動互聯主導的互聯技術又可能引致更多地不可觀測性和不可控性，在此基礎上，數字金融會對既有金融體系尤其是貨幣政策銀行信貸這一主要傳導渠道帶來怎樣的沖擊和影響？

雖然我國金融監(jiān)管當局對約束金融業(yè)務創(chuàng)新采取相對容忍的態(tài)度，在一定程度上激勵了數字金融的形成與發(fā)展，但同時也可能進一步弱化貨幣當局對宏觀經濟的調控力度，讓貨幣政策信貸傳導渠道變得更具復雜性和不可預見性?，F有證據表明，第三方支付工具的應用會加快流于銀行之外的貨幣流動速度，從產出渠道增強貨幣政策有效性，從價格渠道削弱貨幣政策有效性（方興和郭子睿，2017）[7]。移動支付的交易成本優(yōu)勢，也會減弱民眾的現金持有需求，讓貨幣需求形式發(fā)生深刻變遷，使銀行貨幣供給渠道也將面臨沖擊（謝平和劉海二，2013）[8]，既有貨幣政策傳導可能難以發(fā)揮功效。而零錢通、余額寶等互聯網理財產品還會增強存款競爭程度（黃益平和黃卓，2018）[6]，依據Marcus（1984）[9]的“特許權價值假說”，存款市場競爭程度的增加會壓縮銀行特許權價值，抑制信貸供給能力和意愿，進而沖擊貨幣政策銀行信貸渠道傳導。有鑒于此，我們認為，研究數字金融如何影響貨幣政策銀行信貸渠道傳導不僅是一項重要的學術議題，還具有很強的現實指導價值。基于數字革命與傳統金融業(yè)高度融合的現實場景，立足于當前我國實體經濟主要融資方式即銀行體系這一重要變量，本文旨在剖析數字金融與貨幣政策銀行信貸渠道傳導之間的內在聯系與作用機理。

二、文獻綜述

（一）貨幣政策的銀行信貸渠道傳導

在貨幣政策銀行信貸渠道的傳導過程中，銀行信貸資金是連接宏觀貨幣政策與微觀實體經濟的樞紐。始于Bernanke和Blinder（1988）[10]的信貸理論指出，在一個存在銀行依賴性的借款市場中，貨幣當局通過調控銀行資產組合直接影響商業(yè)貸款供應量，進而對實體經濟的投資和生產活動施加影響。Brissimis 和Delis（2009）[11]基于歐盟組織6個國家的數據，實證檢驗了貨幣政策銀行信貸渠道與銀行資產負債表資產方結構變化的關系，結果顯示，銀行特質與銀行信貸渠道無明顯關聯;但還有一些研究顯示貨幣政策信貸渠道會隨銀行商業(yè)模式、規(guī)模、流動性水平、資本比例、風險特質和制度特征的變化而變化（Leonardo和David，2011;朱博文等，2013）[12，13]。銀行信貸渠道作為我國中央銀行實施調控的重要經濟手段，由此產生的傳導效果也引發(fā)國內學者的較多關注。譬如汪川等（2011）[14]構建了包含DSGE的金融加速器模型，實證檢驗了銀行信貸渠道傳導對我國宏觀經濟波動的沖擊和影響，發(fā)現信貸渠道對價格水平和通貨膨脹等宏觀經濟變量具有較強的控制力。戰(zhàn)明華（2015）[15]的研究表明，強化銀行信貸渠道對產業(yè)結構升級具有結構性錯配效應，這一效應在緊縮性的貨幣政策下更為顯著，而企業(yè)的國有屬性則強化了銀行信貸渠道的信貸資源錯配效應。

（二）數字金融發(fā)展與貨幣政策的銀行信貸渠道傳導

隨著數字金融對傳統金融市場的重塑力度越來越大，一些學者的研究熱情不斷被激發(fā)并聚焦于數字金融如何影響貨幣政策銀行信貸渠道傳導。Owen和Fogelstrom（2005）[16]在研究電子貨幣與中央銀行貨幣政策有效性時指出，中央銀行對貨幣傳導渠道的控制力受電子貨幣的制約，因而在制定和執(zhí)行貨幣政策時應充分考慮數字金融的發(fā)展趨勢。理論上，金融市場的摩擦程度會與貨幣政策銀行信貸渠道效應呈正相關，互聯網如若加劇金融市場競爭程度，則貨幣政策信貸渠道效應勢必會受到弱化（戰(zhàn)明華等，2018）[17]。胡金焱和水兵兵（2019）[18]基于正規(guī)金融和非正規(guī)金融執(zhí)行互動視角，將銀行信貸渠道拓寬至P2P網絡借貸市場，研究發(fā)現貨幣政策操作對P2P網絡借貸市場具有顯著的異質性影響，這一機制來源于商業(yè)銀行的中介效應。此外，中央銀行對電子貨幣發(fā)行權的非壟斷性使得現金漏損率和存款準備金率降低，加劇了貨幣供應量M2的不可觀測性和不可控性，數量型中介目標的有效性受到削弱（賈麗平等，2019）[19]。Chen等（2018）[20]通過研究銀行表外中間業(yè)務對貨幣政策信貸渠道的影響時發(fā)現，當貨幣政策趨于緊縮時，商業(yè)銀行會借助監(jiān)管套利，并與家庭資產投資組合的重組相互作用，進一步弱化銀行信貸渠道傳導。戰(zhàn)明華等（2020）[21]的研究還發(fā)現，數字金融對利率渠道的放大效應要強于對信貸渠道的弱化效應，微觀機理上，數字金融發(fā)展對信貸渠道的弱化作用主要體現在完善了銀行外部融資市場，但對企業(yè)外部融資市場的完善影響不大。

綜上，針對貨幣政策銀行信貸傳導渠道及其受數字金融發(fā)展影響的研究，國內外學者從理論和實證視角已得出了頗有成效的結論，但對于中國這樣典型以銀行業(yè)間接融資為主導的金融體系中，數字金融與貨幣政策銀行信貸渠道傳導存在怎樣的內在聯系和作用機理？以及在不同所有制差異和不同特質的銀行結構中，這種內在聯系又會發(fā)生何種微妙的變化？目前關于這方面的研究尚且較少，相比之下，本研究具有如下創(chuàng)新和貢獻：（1）研究內容和結構安排上，本文既揭示了數字金融對貨幣政策銀行信貸渠道的總體影響，也進一步厘清數字金融是通過改變銀行資產負債結構和弱化實體企業(yè)對銀行貸款的依賴，實現對貨幣政策銀行信貸傳導渠道的作用效果，同時還聚焦了兩者在不同所有制銀行（國有商業(yè)銀行、全國性股份制銀行、城市與農村商業(yè)銀行、外資銀行）和不同特質銀行（資本水平、流動性水平、資產報酬率）之間的差異化屬性。（2）研究視角上，立足于貨幣政策傳導機制這一宏觀命題，本文從當前我國以銀行信貸渠道為主導的數量型微觀中介著手，詳盡闡釋由數字金融發(fā)展所產生的沖擊和影響，這有助于重點把握數字金融與貨幣政策傳導之間的邏輯關聯，并為拓寬銀行信貸傳導渠道影響因素的研究作出創(chuàng)新性嘗試。（3）研究方法上，運用交互效應模型將最新開發(fā)的《北京大學數字普惠金融指數（2011—2018）》與我國商業(yè)銀行、A股上市公司的微觀面板數據結合，為理解數字金融發(fā)展帶來的經濟后果和后續(xù)升級貨幣政策工具、完善金融監(jiān)管設計提供了更為精細化的經驗證據。

三、理論分析與假說提出

銀行信貸渠道傳導強調銀行貸款對實體經濟的刺激作用，依據Bernanke和Blinder（1988）[10]的信貸理論，銀行貸款渠道的有效運作存在兩個基本前提：其一，對于資金供給方的銀行而言，中央銀行利用存款準備金率等政策工具可以控制銀行貸款規(guī)模，但商業(yè)銀行無法通過資產負債結構的變化來沖抵貨幣政策的影響;其二，對于資金需求方的企業(yè)而言，獲取銀行貸款和其他融資渠道具有不可替代性，即企業(yè)融資必須高度依賴銀行信貸資源。而數字金融的成長正不斷沖擊上述兩個前提，其影響機理見圖1。

（一）銀行資產負債結構替代

從銀行視角看，數字金融發(fā)展對豐富銀行資產負債業(yè)務形成了倒逼機制，讓商業(yè)銀行信貸資產與其他資產、法定準備要求負債與無法定準備要求負債之間的不完全替代彈性受到沖擊。盛行于當今市場中的各類互聯網理財產品、小額信貸、電子信用以及有價證券等新型金融產品就是商業(yè)銀行利用新一輪數字技術轉型背景下，實行資產配置多元化的典型表現。由此一來，銀行資產負債業(yè)務增加了分流渠道，貨幣政策傳導效果將大打折扣。例如在貨幣緊縮時期，中央銀行通過提高法定存款準備金率直接限制存款儲備量，并間接壓縮商業(yè)銀行貸款規(guī)模，這時為了平衡盈利目標函數，銀行主體將以大規(guī)模發(fā)放互聯網理財產品或拋售有價證券的方式調整資產負債結構，間接為信貸再次投放爭取必要的資金來源，則市場流動性仍有可能維持在較為充裕的區(qū)間。鄧偉和付雯雯（2014）[22]基于15家上市銀行的數據發(fā)現，近年來，我國銀行通過理財融資和信托產品等創(chuàng)新手段，為資金需求方提供了多元化的資金供給途徑，這些資金有相當一部分仍會以存款形式流入銀行，并為銀行發(fā)放貸款提供資金來源，對銀行貸款具有正向溢出效應?！柏泿耪邲_擊—商業(yè)銀行信貸投放/收縮—企業(yè)投資與家庭消費行為”這一渠道也因此增加了變異的概率，銀行信貸傳導效果受到削弱。

（二）銀行貸款依賴弱化

從企業(yè)視角看，數字金融發(fā)展還拓寬了企業(yè)融資渠道，讓銀行發(fā)放貸款的特許權受到壓縮，驅使企業(yè)減弱對銀行貸款的路徑依賴。以支付寶、京東金融、P2P平臺、網絡眾籌、數字貨幣多種新型金融模式為代表的網絡借貸服務，激發(fā)企業(yè)外源融資多元化，讓資金供求雙方在不同的地域空間內進行在線匹配，相比傳統金融模式，其較低的金融服務門檻大大提升了信貸可得性（Li等，2020）[23]。理論上，在市場投資過熱時期，中央銀行執(zhí)行緊縮性貨幣政策進行逆周期調節(jié)，銀行可供貸款總量趨于減少，當實體企業(yè)難以尋找到合適的替代性融資，便會收縮其投資與經營活動（Kashyap等，1993）[24]。不過數字金融發(fā)展正不斷瓦解銀行貸款單一融資渠道的不可替代性，在此過程中，傳統銀行業(yè)的“二八定律”被數字金融的普惠性特征和“長尾效應”打破，讓金融信貸服務對實體企業(yè)尤其是中小企業(yè)和民營企業(yè)的觸達能力迅速提升。從這一層面講，即使面臨緊縮性貨幣政策，一些投資動機強烈的企業(yè)或消費需求旺盛的個人，也能突破銀行貸款的束縛，借助數字金融這一資金渠道緩解融資約束和流動性約束，從而弱化貨幣政策從銀行至企業(yè)間的傳導，銀行信貸渠道有效性由此受到負面影響。

基于上述理論分析，本文提出如下有待驗證的研究假設：

H1：數字金融發(fā)展顯著弱化了貨幣政策銀行信貸渠道傳導。

H2a：數字金融發(fā)展通過改善銀行資產負債結構，弱化了貨幣政策銀行信貸渠道傳導。

H2b：數字金融發(fā)展減弱企業(yè)對銀行貸款的依賴，進而弱化貨幣政策銀行信貸渠道傳導。

四、研究設計

（一）模型構建

參考Hou和Wang（2013）[25]和黃小英等（2016）[26]的研究思路，通過在實證模型中構造數字金融與貨幣政策變動的交互項來檢驗其對傳導效果的影響，假設銀行貸款供給是貨幣政策變動的函數，本文構建如下雙向固定效應模型：

其中，[lnLoanit]為t年第i家銀行貸款規(guī)模的自然對數;[lnDIFIt]為t年的數字金融發(fā)展水平;[MPt]為貨幣政策的代理變量，系數[β2] 表示貨幣政策變動對銀行貸款的影響，如果中央銀行執(zhí)行緊縮型貨幣政策，銀行貸款規(guī)模會顯著下降，則理論上[β2]預期為負;ln[DIFIt×MPt]為交互項，系數[β3]刻畫了貨幣政策（[MPt]）對銀行貸款規(guī)模（[lnLoanit]）的邊際效應隨數字金融發(fā)展水平[lnDIFIt]的變化而變化，依據前文理論假設，如果數字金融弱化了緊縮性貨幣政策對銀行信貸渠道的傳導效應，則[β3]的符號將與[β2]相反，預期為正;[Controlsit]為模型的一組控制變量，包括銀行規(guī)模（[Sizeit]）、銀行資本水平（[Capit]）、銀行流動性（[Liqit]）、銀行資產報酬率（[Roait]）以及GDP增長率;[Yeart]為控制年度效應;[μi]為銀行層面的個體固定效應;[εit]表示隨機擾動項。

（二）變量選取

1. 關鍵變量度量。銀行貸款規(guī)模（[lnLoanit]）。鑒于貨幣政策變動直接影響商業(yè)銀行貸款總量，參考戰(zhàn)明華等（2018）[17]的做法，取銀行貸款規(guī)模的自然對數直觀反映貨幣政策對銀行信貸渠道的傳導效果①。

貨幣政策變量（[MPt]）。就處于經濟轉軌時期的中國而言，許多國內學者認為目前我國利率并未完全市場化，他們通常綜合使用貨幣供應量M2增速、法定存款準備金率、1年期貸款基準利率或利差變量作為貨幣政策的代理變量（董華平和干杏娣，2015）[4]?？紤]到我國長期采用數量型和價格型相結合的貨幣調控政策，還有學者基于我國特定的貨幣政策和宏觀經濟環(huán)境定義貨幣政策松緊度的虛擬變量（如陸正飛和楊德明，2011;饒品貴和姜國華，2013）[27，28]。本文認為單單就某一指標，很難判斷貨幣政策的寬松或緊縮，在此基礎上借鑒陸正飛和楊德明（2011）[27]的方式，采用MP（MP=M2增長率-GDP增長率-CPI增長率）定義貨幣政策的虛擬變量。如果該指標偏小，則表示貨幣政策偏于緊縮，定義為1;反之，則表示貨幣政策偏于寬松，定義為0。

數字金融發(fā)展（[lnDIFIt]）。由北京大學數字金融研究中心課題組聯合螞蟻金服集團基于線上交易的海量數據所編制的《北京大學數字普惠金融指數（2011—2018）》為本文度量數字金融發(fā)展水平提供了可能。該指數除了計算出數字普惠金融總指數外，還包含由覆蓋廣度（Coverage）、使用深度（Usage）和數字化程度（Digital）組成的分維度指標，本文以這一最新研究成果作為數字金融的衡量依據，取該指數的自然對數作為原始數據。

2. 其他控制變量。此外，借鑒黃小英等（2016）[26]、Dell 等（2017）[29]的研究，模型中其余控制變量如下：（1）銀行資產規(guī)模（[Sizeit]），取年末銀行總資產的自然對數值;（2）銀行資本水平（[Capit]），采用銀行權益與負債總額的比率衡量;（3）銀行流動性（[Liqit]），使用銀行流動資產占總資產的比例計算;（4）銀行資產報酬率（[Roait]），采用銀行凈利潤與總資產的比值表示;（5）宏觀經濟發(fā)展水平（RGDP），采用名義 GDP 增長率表示。

（三）數據來源與數據處理

本文使用《北京大學數字普惠金融指數（2011—2018）》，并通過國泰安數據庫和萬得數據庫，將其與商業(yè)銀行披露的貸款數據、我國全部A股上市公司的財務數據相結合，分別從銀行和企業(yè)兩個微觀角度考察數字金融與貨幣政策銀行信貸渠道傳導之間的內在聯系。衡量貨幣政策的指標來自《中國金融年鑒》和國家統計局公布的相關數據，并采用移動平均值法進行年化處理。為了保證樣本數據的精確性，對銀行和企業(yè)的微觀數據做如下處理：（1）企業(yè)樣本中剔除銀行、證券、保險等金融類上市公司;（2）剔除主要變量存在數據缺失的樣本;（3）對銀行和公司層面的連續(xù)變量進行1%—99%的縮尾處理以消除極端異常值的干擾。由此得到了2011—2018年1640個銀行的年度觀測值和12036個公司的年度觀測值。

（四）變量描述性統計

表1 給出了主要變量的描述性統計。未取對數的銀行貸款規(guī)模（Loan）中位數為3.40e+10，遠小于其均值4.10e+11，說明貸款規(guī)模存在著嚴重的右偏特征。而當Loan作對數處理后，右偏特征明顯減小，lnLoan的均值與中位數幾乎沒有差異，進而表明本文對銀行貸款規(guī)模取對數處理是合理的。貨幣政策虛擬變量（MP）的均值為0.491，略小于0.5，且中位數為0，表明總體而言考察期內貨幣政策寬松的年份相對較多。事實上，根據計算，2011—2018年貨幣政策松緊度的計算結果依次為-1.4%、3.3%、3.2%、2.9%、4.9%、2.5%、-0.4%和-0.7%，2011年、2017年和2018年三個年份為負值，屬于貨幣政策相對緊縮時期，其余五個年份均為正值，屬于貨幣政策相對寬松時期，因而是符合統計特征的。此外，數字金融總指數（DIFI）未取對數前的均值要小于中位數，存在明顯的左偏現象，所以本文對DIFI進行對數變換（lnDIFI）作為最終數字金融的衡量方法也是合理的，其余三個數字金融的分維度指數（lnCoverage、lnUsage和lnDigital）同理。

五、實證結果分析

（一）基準回歸結果

表2報告了數字金融影響貨幣政策銀行信貸渠道傳導的基準回歸結果。第（1）列為數字金融總指數（lnDIFI）對銀行信貸渠道的影響;此外，第（2）—（4）列還匯報了數字金融三個分維度指數，即覆蓋廣度指數（lnCoverage）、使用深度指數（lnUsage）和數字化程度（lnDigital）對銀行信貸渠道傳導的影響。

從回歸結果看，本文設定的緊縮型貨幣政策虛擬變量（MP）在四種估計方程中的系數均顯著為負，說明緊縮型貨幣政策對銀行貸款規(guī)模具有顯著抑制作用，原因是：在宏觀經濟過熱時期，中央銀行通過提高法定存款準備金率或貸款利率，引起貨幣供應量收緊，銀行貸款規(guī)模隨之下降，對抑制企業(yè)過度投資具有良好的逆周期調控效果。這一結論與現有研究相同，證明貨幣政策銀行信貸渠道傳導的有效性在我國顯著存在。然而，進一步觀察本文最為重視的核心解釋變量即數字金融與貨幣政策的交互項（lnDIFI×MP），發(fā)現其系數在四個模型中均顯著為正，與貨幣政策符號相反，表明數字金融發(fā)展弱化了貨幣政策銀行信貸渠道的傳導效果，與假說H1的理論預期一致，緊縮性貨幣政策對商業(yè)銀行貸款規(guī)模的邊際效應受到來自數字金融發(fā)展的抑制作用，后文將基于銀行和企業(yè)兩個視角深度剖析其內在機理。

（二）穩(wěn)健性檢驗

為了保證研究結論的穩(wěn)健性，有必要考慮因測量誤差或雙向因果關系等引發(fā)的內生性問題，并重新評估研究樣本選擇、指標選取和遺漏變量對模型估計可能產生的影響，為此進行如下檢驗：

1. 內生性討論。數字金融作為衡量金融科技發(fā)展水平的一個宏觀變量，盡管受單個銀行貸款規(guī)模的影響較小，但仍可能存在由遺漏變量和測量誤差等計量偏誤引發(fā)的內生性問題。為此，采用工具變量法進行兩階段最小二乘估計（IV-2SLS）來處理內生性干擾以保證估計結果的嚴謹性。眾多文獻表明，以互聯網普及率或移動電話擁有量作為數字金融的工具變量是一種較為適宜的做法（如邱晗等，2018;謝絢麗等，2018;唐松等，2020）[30-32]。一方面，移動電話和互聯網的應用，讓金融參與者即使擺脫傳統銀行網點的物理布局，也可通過智能終端享受高效的互聯網金融服務，而數字金融發(fā)展水平與此密切關聯，滿足工具變量的相關性原則;另一方面，貨幣政策信貸渠道傳導則展現了中央銀行依據市場實際自發(fā)調控宏觀經濟波動的人為意志，這與互聯網和移動電話為代表的技術應用并無本質聯系，滿足工具變量的外生性原則。據此，本文參考上述文獻做法，以互聯網普及率和移動電話擁有量作為工具變量。表3第（1）列IV-2SLS的回歸結果顯示，緊縮性貨幣政策變量的估計系數依然顯著為負，再次證明我國銀行信貸渠道傳導機制是顯著存在的。數字金融與貨幣政策的交互項系數也依然顯著為正，即貨幣政策緊縮時期，數字金融發(fā)展削弱了銀行信貸渠道傳導效應。以上結論即使在排除內生性問題的干擾后也與前文保持一致。此外，判別工具變量是否存在識別不足的Kleibergen-Paap rk LM statistic檢驗值在1%的顯著性水平下通過統計檢驗，由此拒絕了工具變量弱識別的原假定。與此同時，在第一階段的估計結果中，識別弱工具變量的 Cragg-Donald Wald F 統計量為269.896，大于10%下的統計值7.03，說明本文所選取的工具變量滿足相關性假設，IV-2SLS估計具有較高可信度。

2. 剔除外資銀行的樣本。外資銀行的資金主要來源于國外金融市場，它們受以信貸指導計劃為手段的數量型貨幣政策的約束較小，當國內貨幣政策意圖發(fā)生變動而違背其經營計劃時，該類銀行會借助國際市場力量加以規(guī)避。譬如當我國為緊縮經濟而提高法定存款準備金時，外資銀行會在全球范圍內調撥資金套取利潤，引起國際短期套利資金流入我國，導致國內貨幣供應量增加，進而減弱緊縮性貨幣政策的信貸傳導效應。為了消除這種干擾，本文將外資銀行從樣本期剔除，進一步增強研究結果的可靠性。表3第（2）列回歸結果顯示，即使剔除外資銀行的樣本，數字金融發(fā)展弱化銀行信貸渠道傳導效應依然存在，交互項（lnDIFI[×]MP）系數在1%的顯著性水平下通過檢驗。這與前文結論一致。

3. 使用第三方支付規(guī)模替代數字金融指數。以支付寶、財付通兩大巨頭壟斷為特征的第三方支付交易行業(yè)是我國傳統金融服務數字化轉型升級的重要標志，也是推動我國互聯網金融發(fā)展的重要力量。第三方支付規(guī)模也通常被用作衡量數字金融發(fā)展的方式。為了檢驗回歸結果是否受指標選取的影響，本文使用互聯網數據資訊平臺——艾瑞網公開披露的第三方支付規(guī)模替代數字金融指數再次進行穩(wěn)健性估計。如表3第（3）列所示，數字金融與貨幣政策的交互項系數在1%的顯著性水平下依然為正，進一步鞏固了貨幣政策銀行信貸渠道傳導受數字金融發(fā)展弱化作用的結論。

4. 控制影子銀行變量。經驗證據表明，游離于金融監(jiān)管體系之外的信用中介活動即影子銀行也會影響貨幣政策傳導有效性。襲翔和周強龍（2014）[33]的研究顯示，影子銀行在中央銀行加息沖擊下反而會放松貸款條件，削弱中央銀行原本旨在收緊銀行貸款規(guī)模、抑制企業(yè)投資的政策意圖。因而，樣本期內貨幣政策銀行信貸渠道的弱化效應很有可能是影子銀行所致，而與數字金融發(fā)展水平無關。鑒于此，在回歸模型中加入影子銀行變量，控制影子銀行與貨幣政策交互項對銀行信貸渠道傳導帶來的干擾后重新估計。與已有文獻一致，用新增委托貸款、信托貸款以及未貼現銀行承兌匯票之和作為影子銀行規(guī)模（YZ）的度量指標，表3第（4）列控制影子銀行與貨幣政策的交互項（YZ[×]MP），發(fā)現貨幣政策緊縮時期，數字金融發(fā)展依然會減弱銀行信貸渠道傳導效果，兩者之間的交互項（lnDIFI[×]MP）系數在10%的顯著性水平上為正。再次證明本文回歸結果穩(wěn)健。

（三）作用機制檢驗

前文研究表明，貨幣政策對銀行貸款規(guī)模的影響隨數字金融發(fā)展水平的提高而減弱。為了深入挖掘貨幣政策銀行信貸渠道傳導受影響的內在機理，依據本文理論基礎，從數字金融發(fā)展改變銀行資產負債結構和弱化實體企業(yè)對銀行貸款的依賴兩個微觀視角切入。

1.銀行資產負債結構替代。依據本文假說H2a的理論邏輯，銀行資產負債結構在數字金融發(fā)展與貨幣政策信貸渠道傳導之間扮演了重要角色，據此，設定如下反映貨幣政策變動對銀行資產負債結構影響的函數模型：

模型（2）刻畫了貨幣緊縮條件下，數字金融之于銀行負債結構的影響。ln[NCit]表示銀行傭金收入的自然對數，衡量銀行通過出售各類互聯網理財產品或拋售有價證券等方式籌集的資金規(guī)模，理論預期，數字金融促進了理財產品和有價證券的發(fā)放，即[α1]為正值。模型（3）用以進一步檢驗貨幣緊縮條件下，是否促使銀行將發(fā)放互聯網理財產品獲取的資金間接轉化為向實體經濟投放的貸款資產，如若成立，則[δ1]應為正值。[Controlsit]是包含銀行特征和宏觀經濟增長率的一些控制變量，與前文保持一致，同時本文也控制了銀行個體效應（[μi]）和年度效應（[Yeart]）。

基于表4的回歸結果發(fā)現，列（1）中，數字金融發(fā)展顯著促進了銀行傭金收入規(guī)模的提升，即發(fā)行了更多無須準備金要求的理財產品或有價證券。盡管數字金融與貨幣政策變量的交互項系數為負值，即貨幣緊縮在一定程度上抑制了數字金融對提升理財產品規(guī)模的正向影響，但從MP的回歸系數顯著為正也可以看出，總體上緊縮性貨幣政策仍舊促使銀行發(fā)行更多互聯網理財產品以應對存款準備金率的提高。列（2）中，本文重點關注的lnNC系數顯著為正，在10%的顯著水平下通過檢驗，表明發(fā)放互聯網理財產品對提升銀行貸款規(guī)模具有直接促進作用。由此，從理財產品中獲取的大量資金為商業(yè)銀行再次投放信貸提供了流動性支持，使得貨幣政策緊縮效果大打折扣，信貸渠道傳導效應被明顯弱化。所以，有理由相信本文假說H2a是成立的。

2. 銀行貸款依賴弱化。依據本文假說H2b的理論推斷，數字金融拓寬了企業(yè)外源融資渠道，讓企業(yè)從銀行獲取貸款的不可替代性受到沖擊，進而削弱貨幣政策的信貸傳導效應。為了驗證數字金融發(fā)展對企業(yè)獲得銀行貸款依賴度的影響，構建如下回歸模型：

模型（4）基于企業(yè)融資視角進一步剖析數字金融對貨幣政策銀行信貸傳導效應的影響，其中，被解釋變量[Creditit]表示企業(yè)從銀行獲取的貸款數量，參考劉飛（2013）[34]的研究，在實證過程中以公司長期借款與短期借款之和占總資產的比重表示。邏輯上，貨幣收緊必然引發(fā)企業(yè)獲取銀行貸款總量的下降，即[φ2]為負值;如果本文假說H2b成立，即數字金融削弱了企業(yè)對銀行貸款的依賴程度，則[φ3]與[φ2]的方向相反，應為正值，即數字金融發(fā)展讓實體企業(yè)對緊縮貨幣政策的敏感性顯著降低。此外，本文還控制了公司層面的其他變量（[Controlsit]）：（1）公司規(guī)模（[Sizeit]），取企業(yè)總資產的自然對數;（2）經營現金流（[Cashit]），以公司經營活動產生的現金流凈額除以總資產表示;（3）資產負債率（[Cevit]），用企業(yè)總負債與總資產的比值衡量;（4）資產有形性（[Tringit]），以固定資產凈額占總資產的比重表示;（5）資產收益率（[Roait]），用凈利潤總額除以總資產度量。其余變量含義保持不變。回歸結果如表4列（3）—（5）所示。

全樣本中，貨幣政策收緊顯著降低了企業(yè)從銀行獲得的貸款規(guī)模，MP的系數在1%的顯著性水平下為負值，與預期一致。而無論是在國有企業(yè)還是民營企業(yè)的子樣本中，其銀行貸款數量均在銀根收緊條件下明顯降低，進一步印證了我國貨幣政策信貸傳導渠道作用于微觀實體企業(yè)的效應是顯著存在的。數字金融與貨幣政策的交互項系數與理論假設一致，顯著為正值?？梢姡瑪底纸鹑诎l(fā)展讓實體企業(yè)即使陷入銀行流動性約束，也能通過其他融資渠道獲取信貸支持以緩解“燃眉之急”，并重新維持投資或創(chuàng)新活動，在此情況下，企業(yè)對銀行貸款的依賴度和敏感性顯著降低，緊縮性貨幣政策傳導效果受到負面抑制作用。有理由相信本文假說H2b也是成立的。

此外，依據[MPt]、ln[DIFIit]與[MPt]交互項系數的大小和顯著性，本文意外地發(fā)現，無論是貨幣政策緊縮效應還是數字金融對企業(yè)依賴銀行信貸的弱化效應，均在民營企業(yè)的子樣本中表現得更為突出。上述現象看似隨機，實則既與當前我國信貸資源分配的主從次序密切相關，也與數字金融的普惠性邏輯一脈相承。一方面，在我國以國有商業(yè)銀行為主導的金融體系中，商業(yè)銀行在提供金融服務時更傾向于按主從次序優(yōu)先分配給大型國有企業(yè)客戶，則在貨幣緊縮時期，民營企業(yè)信貸融資下降幅度更為劇烈的現象就并不意外。另一方面，也正是在傳統金融服務供給存在不足和監(jiān)管部門的寬松約束情形下，數字金融得到良好孕育的生存條件和發(fā)展空間。數字金融業(yè)態(tài)的良性發(fā)展正不斷降低客戶準入門檻，瓦解金融服務的所有制屬性，讓那些難以獲取信貸資源服務的民營企業(yè)突破傳統金融機構的排他性束縛。從這一層面，當貨幣條件趨于緊縮，數字金融對民營企業(yè)的融資約束緩解效應顯然會強于信貸資源相對充裕的國有企業(yè)。

六、異質性討論

（一）銀行所有制性質差異

數字金融發(fā)展影響貨幣政策銀行信貸渠道傳導在不同所有制銀行中趨于同質化還是異質化？圍繞這一研究點，依據我國銀行間接融資體系的所有制屬性，將其劃分為國有商業(yè)銀行、全國性股份制銀行、城市商業(yè)銀行、農村商業(yè)銀行和外資銀行五類典型結構特征，但本文并未將政策性銀行考慮在內，理由在于：時下我國貨幣政策信貸渠道的傳導中介主要為商業(yè)銀行，而政策性銀行吸收存款的最終用途是政策所導向的特定行業(yè)或地區(qū)，信貸投放具有很強的針對性和定向性（黃小英等，2016）[26]，且對貨幣政策的反應彈性并不敏感。從表5本文最為關心的數字金融與貨幣政策的交互項系數可知，貨幣政策緊縮時期，城市商業(yè)銀行和農村商業(yè)銀行信貸渠道的傳導效果受數字金融的弱化作用尤為顯著，而在國有商業(yè)銀行、全國性股份制銀行和外資銀行主體中并不明顯。從這一層面講，在我國以國有商業(yè)銀行和全國性股份制銀行為主導的金融體系中，本文厘清了數字金融減弱銀行信貸渠道傳導主要來源于城市和農村商業(yè)銀行這些中小型金融機構，間接說明盡管總體效應顯著，但數字金融發(fā)展帶來的所有制結構效應卻參差不齊，主要金融機構的信貸傳導功能并未受到嚴重沖擊。

至于數字金融改變銀行信貸傳導所引發(fā)的所有制差異，我們認為這是在新一輪的金融競爭壓力下，為了維持銀行相對市場勢力，相較于大型國有商業(yè)銀行，我國中小型金融機構具有更強利用數字化技術轉型以改善運作效率的訴求和動機所致。這與北京大學數字金融研究中心課題組通過梳理165家中國商業(yè)銀行的信息，構建商業(yè)銀行互聯網轉型指數，發(fā)現中小型商業(yè)銀行利用數字金融技術進行轉型力度最大，國有商業(yè)銀行則相對較小的研究結論是一致的。

（二）銀行特征差異

數字金融發(fā)展弱化貨幣政策信貸渠道傳導在不同特征的銀行中還存在差異嗎？遵循Hou和Wang（2013）[25]的思路，以銀行資本水平、銀行流動性和銀行資產報酬率三個控制變量的中位數為標準進行回歸，若銀行資本水平高于樣本中位數的，為高資本組，小于中位數的為低資本組;其他變量分組與此相同。表6給出了三類銀行特征變量的分組回歸結果，發(fā)現高資本、高流動性和高報酬率三組銀行特征的交互項系數均不顯著，且符號方向也缺乏穩(wěn)定性。相比之下，對應低資本、低流動性和低報酬率分組的交互項系數均顯著為正，與緊縮性貨幣政策變量符號相反，并在1%的顯著性水平下通過檢驗?？梢?，數字金融發(fā)展弱化銀行信貸渠道傳導更多表現在低資本、低流動性和低報酬率的銀行主體中。此類銀行大多屬于實力相對較弱的群體，在可供貸款資金本就有限的情況下，導致其主動順應緊縮貨幣政策調控的意愿降低，并通過其他渠道獲取資金以改善資產負債結構，讓貸款投放規(guī)模維持在預期水平，進而使信貸渠道傳導的弱化效應尤為突出。

七、結論與啟示

在“新基建”這一新理念的大背景引領下，以數字化、大數據、人工智能、云計算、區(qū)塊鏈、互聯網為代表的新興技術力量已成為時下助推我國經濟高質量發(fā)展的新鮮動力。傳統金融業(yè)態(tài)與數字技術的深度融合會繼續(xù)推動數字金融快速發(fā)展，如何理解其與傳統金融市場之間的辯證關系無疑是理論界與實務界首要考慮的問題。聚焦于貨幣政策傳導機制這一宏觀概念，立足于當前我國以銀行信貸渠道為主導的數量型微觀中介，將最新開發(fā)的《北京大學數字普惠金融指數（2011—2018）》與我國商業(yè)銀行、A股上市公司的微觀面板數據結合，本文深度剖析了數字金融與貨幣政策銀行信貸渠道傳導之間的內在聯系和影響機理。研究發(fā)現：數字金融發(fā)展顯著弱化了貨幣政策銀行信貸渠道的傳導效應，具體而言，數字金融削弱銀行信貸渠道傳導效果是通過改變銀行資產負債結構和弱化實體企業(yè)對銀行貸款的依賴而實現。采用工具變量法克服內生性問題和控制影子銀行變量等一系列穩(wěn)健性檢驗結果后，依然支持本文結論。研究還發(fā)現，數字金融對銀行信貸傳導渠道的弱化效應，在以城市與農村商業(yè)銀行為主的中小型金融機構，以及低資本、低流動性和低報酬為特征的銀行子樣本中表現得尤為明顯。

本文對于完善我國貨幣政策傳導機制、優(yōu)化金融治理體系具有十分明朗的政策啟示：（1）在貨幣政策工具協調搭配層面，建議由原來以銀行信貸渠道這一數量型調控機制為主，轉為以利率價格機制和銀行信貸數量機制協調搭配。數字金融的興起與發(fā)展削弱了中央銀行宏觀調控效果，讓銀行貸款規(guī)模對貨幣政策變化的敏感性降低，貨幣政策銀行信貸渠道傳導效應隨之弱化。盡管這一效果目前僅在中小型和競爭水平較低的主體中出現，但隨著國有商業(yè)銀行轉型訴求的與日俱增，信貸傳導機制仍面臨進一步減弱的可能。中央銀行應積極謀求貨幣政策工具轉型升級，繼續(xù)推進利率市場化，提高銀行信貸指導計劃的利率彈性。（2）在金融監(jiān)管設計層面，應盡快研究出臺與數字金融配套的沙盒監(jiān)管機制，數字金融對貨幣政策造成影響的同時也暴露出我國金融監(jiān)管體系存在的短板和薄弱環(huán)節(jié)。為此，貨幣當局應重點把握好互聯網金融平臺的融資總量，將數字金融的流動性納入廣義貨幣供給M2的統計口徑，強化對網絡信貸規(guī)模和資金流向的總量監(jiān)測，在鼓勵金融創(chuàng)新的同時，也要防范金融科技帶來的重大風險，推進金融治理體系與治理能力現代化。（3）在引導數字金融良性發(fā)展層面，雖然現有金融市場格局和體系面臨巨大沖擊，但本質上數字金融是對我國傳統金融服務供給不足的有益補充，帶有強烈的普惠性特征，它的存在有其必然性與合理性，因而辯證看待數字金融與傳統金融市場之間的對立統一關系十分必要，引導二者良性競爭、互為促進將是趨勢使然。

注：

1除此之外，本文還參考劉莉亞和余晶晶（2018）[35]、張娜（2019）[5]等人的做法，使用貸款規(guī)模的對數差分值（[?lnLoanit]）即貸款增長率及其一階滯后項作為另一種衡量指標，但并不顯著。初步判斷是其與數字金融和貨幣政策不在同一量綱上，以及研究樣本是年度而非季度所致。

參考文獻：

[1]Kashyap A K， J C Stein. 2000. What do a Million Observations on Banks Say About the Transmission of Monetary Policy？ [J].American Economic Review，90（3）.

[2]Tobin J A. 1969. A General Equilibrium Approachto Monetary Theory [J].Journal of Money，Credit and Banking，15（1）.

[3]顧海峰，楊立翔.貨幣政策、銀行規(guī)模差異與信貸傳導特征——來自2006—2015年中國銀行業(yè)的證據 [J].國際金融研究，2017，（12）.

[4]董華平，干杏娣.我國貨幣政策銀行貸款渠道傳導效率研究——基于銀行業(yè)結構的古諾模型[J].金融研究，2015，（10）.

[5]張娜.貨幣政策銀行信貸渠道傳導效應分析——基于銀行微觀競爭水平的視角 [J].國際金融研究，2019，（02）.

[6]黃益平，黃卓.中國的數字金融發(fā)展：現在與未來[J].經濟學（季刊），2018，17（04）.

[7]方興，郭子睿.第三方互聯網支付、貨幣流通速度與貨幣政策有效性——基于TVP-VAR模型的研究 [J].經濟問題探索，2017，（03）.

[8]謝平，劉海二.ICT、移動支付與電子貨幣[J].金融研究，2013，（10）.

[9]Marcus A J. 1984. Deregulation and Bank Financial Policy[J].Journal of Banking&Finance，8（4）.

[10]Bernanke B S，Blinder A S. 1988. Credit， Money，and Aggregate Demand [J]. American Economic Review，78，（2）.

[11]Brissimis S N，M D Delis. 2009. Identification of a Loan Supply Function：a Cross-Country Test for the Existence of a Bank Lending Channel [J].International Financial Markets Institutions and Money，19，（2）.

[12]Gambacorta Leonardo， David Marques-Ibanez.? 2011. The Bank Lending Channel： Lessons From the Crisis[J]. Economic Policy，26（66）.

[13]朱博文， 張鈺， 曹廷求. 貨幣政策與銀行貸款行為—基于公司與銀行的雙向視角研究 [J]. 財貿經濟， 2013， （12）.

[14]汪川，黎新，周鎮(zhèn)峰.貨幣政策的信貸渠道：基于“金融加速器模型”的中國經濟周期分析 [J].國際金融研究，2011，（01）.

[15]戰(zhàn)明華.金融摩擦、貨幣政策銀行信貸渠道與信貸資源的產業(yè)間錯配 [J].金融研究，2015，（05）.

[16]Owen A，L C Fogelstrom. 2005. Monetary Policy Implications of Electronic Currency：an Empirical Analysis[J].Applied Economics Letters，12（7）.

[17]戰(zhàn)明華，張成瑞，沈娟.互聯網金融發(fā)展與貨幣政策的銀行信貸渠道傳導 [J].經濟研究，2018，53（04）.

[18]胡金焱，水兵兵.貨幣政策對互聯網金融借貸利率的作用機制與實施效果：以P2P為例 [J].山東社會科學，2019，（6）.

[19]賈麗平，張晶，賀之瑤.電子貨幣影響貨幣政策有效性的內在機理—基于第三方支付視角 [J].國際金融研究，2019，（9）.

[20]Chen K，J Ren， T Zha. 2018. The Nexus of Monetary Policy and Shadow Banking in China [J].American Economic Review，2018，108（12）.

[21]戰(zhàn)明華，湯顏菲，李帥.數字金融發(fā)展、渠道效應差異和貨幣政策傳導效果 [J].經濟研究，2020，55（6）.

[22]鄧偉，付雯雯.我國商業(yè)銀行表外業(yè)務及其對傳統業(yè)務的影響—15家上市銀行的實證研究 [J].經濟管理，2014，36（6）.

[23]Jie Li，Wu Jie，Jing Jian Xiao. 2020. The Impact of Digital Finance on Household Consumption： Evidence from China [J]. Economic Modelling，87（2）.

[24]Anil K， Kashyap，Jeremy C，Stein， David W，Wilcox. 1993. Monetary Policy and Credit Conditions：Evidence from the Composition of External Finance [J].The American Economic Review，83（1）.

[25]Hou X，Q Wang. 2013. Implications of Banking Marketization for the Lending Channel of Monetary Policy Transmission：Evidence from China [J].Journal of Macroeconomics，38（4）.

[26]黃小英，許永洪，溫麗榮.商業(yè)銀行同業(yè)業(yè)務的發(fā)展及其對貨幣政策信貸傳導機制的影響——基于銀行微觀數據的基于銀行微觀數據的GMM實證研究 [J].經濟學家，2016，（6）.

[27]陸正飛，楊德明.商業(yè)信用：替代性融資，還是買方市場？ [J].管理世界，2011，（4）.

[28]饒品貴，姜國華.貨幣政策對銀行信貸與商業(yè)信用互動關系影響研究 [J].經濟研究，2013，48（01）.

[29]Dell Ariccia G，Laeven L，Suarez G A. 2017. Bank Leverage and Monetary Policys Risk-Taking Channel：Evidence from the United States [J].Journal of Finance，72（2）.

[30]邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角 [J].金融研究，2018，（11）.

[31]謝絢麗，沈艷，張皓星，郭峰.數字金融能促進創(chuàng)業(yè)嗎？——來自中國的證據 [J].經濟學（季刊），2018，17（04）.

[32]唐松，伍旭川，祝佳.數字金融與企業(yè)技術創(chuàng)新——結構特征、機制識別與金融監(jiān)管下的效應差異 [J].管理世界，2020，36（05）.

[33]裘翔，周強龍.影子銀行與貨幣政策傳導 [J].經濟研究，2014，49（5）.

[34]劉飛.中國貨幣傳導的銀行信貸渠道與商業(yè)信貸渠道研究——基于公司債務融資的DID分析 [J].現代財經（天津財經大學學報），2013，33（4）.

[35]劉莉亞，余晶晶.銀行競爭對貨幣政策傳導效率的推動力效應研究——利率市場化進程中銀行業(yè)的微觀證據 [J].國際金融研究，2018，（3）.