李子威

（湖北工業(yè)大學，湖北 武漢 430000）

金融科技最早起源于20 世紀90 年代初的“金融服務技術聯(lián)盟”， 根據(jù)金融穩(wěn)定委員會的定義，金融科技是由云計算、大數(shù)據(jù)、區(qū)塊鏈、人工智能等先進技術觸發(fā)的金融創(chuàng)新，可以改變金融服務的方式，有效降低運營成本，最終提高傳統(tǒng)金融業(yè)的效率。 金融科技致力于將新技術引入金融業(yè)， 正在徹底改變金融業(yè)的發(fā)展進程①。 金融科技革命的獨特之處在于，許多變化發(fā)生在金融行業(yè)之外。 因為年輕的初創(chuàng)公司和大型成熟的技術公司正在引入新產(chǎn)品和技術，并提供新的競爭。 此外，新技術的產(chǎn)生也在迅速改變金融服務業(yè)的運營、監(jiān)管、客戶體驗等方面。 目前，金融科技創(chuàng)新正在全球興起，2019 年金融科技公司的全球投資總額為1357 億美元（KPMG，2020）②。

一、文獻綜述和研究方法

（一）綜述

金融科技對金融機構和金融業(yè)的影響，已經(jīng)有學者通過研究發(fā)現(xiàn)金融科技改變了金融業(yè)的運作方式。Chen et al 認為，對于整個金融業(yè)而言，金融科技創(chuàng)新帶來了積極的影響③。 金融科技可以通過降低交易成本、提高交易的便利性和安全性，從根本上改變金融服務。 移動互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈等金融技術對金融服務及其各個環(huán)節(jié)產(chǎn)生了不同的影響。 例如，大數(shù)據(jù)和區(qū)塊鏈技術可以降低信息的不對稱性，降低交易費用，讓交易變得更安全、更快捷。 與此同時，機器學習算法為客戶提供了智能、個性化的理財服務，并進行了深入分析。 金融信息的分享也將促進金融資源的有效使用，從而使金融生態(tài)空間得到進一步的擴展。

金融科技的興起對商業(yè)銀行的傳統(tǒng)業(yè)務產(chǎn)生了重大影響，金融科技通過改善銀企關系幫助中小企業(yè)降低了融資成本和擔保要求④⑤。 而在金融科技對銀行的影響這方面學界還未達成統(tǒng)一意見，不過有學者發(fā)現(xiàn)金融科技與銀行風險承擔之間還會受到存款結構等因素的影響⑥。 除了影響金融機構和金融業(yè)之外，金融科技不可避免地影響實體經(jīng)濟和企業(yè)。 先前的文獻已經(jīng)充分證明了金融科技對實體經(jīng)濟和企業(yè)的益處。 黃卓指出，數(shù)字普惠金融依靠大數(shù)據(jù)、區(qū)塊鏈等技術降低服務成本，覆蓋更多農(nóng)村用戶，有效解決了數(shù)字農(nóng)業(yè)融資難的問題，推進了數(shù)字農(nóng)業(yè)的發(fā)展⑦。 鄧瀏睿等發(fā)現(xiàn)，金融科技在短期內(nèi)可以緩解企業(yè)的融資約束，但對于長期而言可能是雙刃劍⑧。

雖然現(xiàn)有文獻集中從宏觀和微觀角度研究金融技術對金融業(yè)和企業(yè)的影響， 但很少有研究探討金融科技對上市公司投資效率的影響。 趙瑞瑞等研究發(fā)現(xiàn)金融科技會增加企業(yè)的非效率投資⑨。而邵學峰等認為， 金融科技所具有的資源效應和治理效應可以顯著提高企業(yè)的投資效率⑩。 優(yōu)化資源配置，提高投資效率，不僅直接影響企業(yè)的發(fā)展，也成為一個國家實現(xiàn)經(jīng)濟持續(xù)健康發(fā)展的重要問題。在此背景下，本文研究了金融科技是否以及如何影響企業(yè)投資效率。通過采用郭峰等人制定的“北京大學中國數(shù)字金融包容性指數(shù)（PKU-DFIIC）”，包括綜合指數(shù)、覆蓋范圍和使用深度， 本文證明了金融科技水平與企業(yè)投資效率之間存在顯著的正相關關系?。

本文選取了解釋變量的一階滯后、 二階滯后和三階滯后研究金融對企業(yè)投資的動態(tài)影響。 研究發(fā)現(xiàn)，T 期的金融科技水平對T+1 期的企業(yè)投資效率有顯著的正向影響， 但對T+2、T+3 期的企業(yè)投資效率沒有明顯的影響，且系數(shù)不斷減小，具有誤差的特征。

（二）研究方法

接下來，本文考察公司內(nèi)部治理機制對金融科技的調(diào)節(jié)關系。 采用董事會和總經(jīng)理是否兩職合一來衡量公司治理機制的質(zhì)量。 結果表明，在公司治理機制良好的企業(yè)中，金融科技對公司投資效率的影響更為顯著，表明金融科技對公司投資效率的影響與治理機制之間存在互補效應。 同時，文采用分位數(shù)回歸來檢驗金融科技與企業(yè)投資效率之間是否存在非線性關系，這為企業(yè)投資效率提供了更全面的信息。 結果表明，分位數(shù)回歸系數(shù)的絕對值呈上升趨勢，表明條件分布中的金融科技對企業(yè)投資效率的影響大于其他部分。

本文的研究從兩個方面對文獻做出了貢獻。 首先， 研究考察了金融科技對企業(yè)投資效率的影響，這不僅在一定程度上補充了關于金融科技經(jīng)濟后果的文獻， 而且拓展了企業(yè)投資效率的相關研究。其次，發(fā)現(xiàn)金融科技對公司投資效率的影響與公司治理機制之間存在互補效應。 在論文的第三部分提出了兩個假設。 第四部分描述了模型和數(shù)據(jù)。 第五部分給出了金融科技如何影響公司投資效率的實證結果以及相關分析。 第六部分報告了進一步分析和穩(wěn)健性檢驗。 第七部分給出了結論和政策建議。研究成果對如何進一步有效提高企業(yè)投資效率具有政策意義。

二、理論假設

（一）假設1

首先， 發(fā)展金融科技能夠加速銀行的放款，擴大融資渠道，減輕銀行的融資限制。 其次，利用大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術，可以更好地挖掘出更多的用戶信息， 緩解信貸審批過程中的不對稱性。楊馥等的研究表明，商業(yè)銀行在放貸過程中使用金融科技可以有效緩解信息不對稱， 提高信貸質(zhì)量，降低信貸風險?。 Fuster 等人認為，金融科技將貸款審批速度提高了20%，而不會增加違約風險?。 以大數(shù)據(jù)與人工智能為基礎的信貸審批，可以有效減少人為干擾，減少放款審批中的尋租空間，降低融資成本。 Buchak 等人認為，那些難以從傳統(tǒng)銀行獲得貸款的人更有可能從金融科技影子銀行獲得所需資金?。 此外，金融科技可以提高信息透明度，引導公司選擇最佳投資項目。 各種金融技術創(chuàng)新本質(zhì)上都是通過技術來緩解對信息不對稱的探索。 金融科技不僅可以提高貸款審批過程中的信息透明度，還可以提高投資項目的透明度以及公司進行投資活動時的資金目標。 提高企業(yè)信息透明度是管理者識別和區(qū)分好投資項目和壞投資項目的基礎。 更詳細的信息披露使公司能夠更好地選擇投資項目?。 總的來說，本文認為金融科技的發(fā)展促進了企業(yè)投資效率。 因此，本文的假設1 是：

假設1（H1）：金融科技有助于提高企業(yè)投資效率。金融科技與公司投資效率之間存在正相關關系。

（二）假設2

文獻充分證明，公司內(nèi)部治理機制對公司投資效率有重大影響?。 首先，與股東結構的權力制衡主要體現(xiàn)在其他股東對大股東的監(jiān)督上。 有效的股權制衡機制可以有效緩解低效的企業(yè)投資行為?。 何菲認為，公司治理機制質(zhì)量越高，企業(yè)投資效率越高，大股東的控制力越強，越會抑制企業(yè)的投資效率?。Chen 和Wang 發(fā)現(xiàn)，由于所有權和管理權的分離，管理層往往會抑制企業(yè)的過度投資，以維持企業(yè)的正常運營?。 金融科技的發(fā)展能否提高企業(yè)投資效率，也與企業(yè)治理機制密切相關。 不同的公司治理機制可能會影響金融科技在公司投資效率中的作用。 在權力均衡的環(huán)境下，提高管理層或董事會的決策質(zhì)量， 選擇收益更好的投資項目更為有利。 相反，股權或管理權越集中，企業(yè)就越有可能服從少數(shù)人的意愿。 在這種情況下，管理層或董事會追求私利，選擇相對較差的投資項目，忽視企業(yè)收益，導致投資效率低下。 只有金融科技和公司治理機制共同努力，才能進一步提高公司投資效率。 綜上所述，隨著金融科技的發(fā)展，完善的公司治理機制有利于企業(yè)做出正確的投資決策， 提高投資效率。 因此，本文的假設2 是：

假設2（H2）：完善的公司治理機制可能會削弱金融科技與公司投資效率之間的正相關性。

三、模型設定

（一）模型設立

為了調(diào)查金融科技對公司投資效率的影響，本文使用以下回歸模型：

其中，主要解釋變量INVijt表示t 時間內(nèi)j 省企業(yè)i 的投資效率。 同時，金融科技FinTechjt表示t 時間內(nèi)j 省的金融科技水平， 由PKU-DFIIC1 描述。Pijt 代表省級控制變量和企業(yè)級控制變量， 包括RGDP、FAI、IND_STRU、REV、EXP、AGE、SIZE、TOP1、STATE、LEV 和ROE。表1 提供了詳細的變量定義。 此外，εijt表示誤差項。 此外，本文控制了年度和行業(yè)。

1.企業(yè)投資效率。 最佳投資水平反映了公司承擔所有正凈現(xiàn)值項目的能力。 根據(jù)Richardson 提出的投資模型，本文將投資效率估計為與預期最佳投資水平的偏差。 反映在投資模型的殘差絕對值中，并使用該模型估計的殘差絕對值（ui,t）作為企業(yè)投資效率的代理變量?。 由于企業(yè)投資效率的原始值在小數(shù)點后為零，因此本文將其乘以100 以改進估計方程的外觀。 值越大，投資效率越低。

2.金融科技。關于金融科技的衡量，現(xiàn)有文獻大致可分為兩類。 第一是基于互聯(lián)網(wǎng)搜索構建的情感指數(shù)； 第二是基于結構化數(shù)據(jù)的金融科技指標體系。 本文采用北京大學數(shù)字金融研究中心和螞蟻金融集團組成的聯(lián)合研究團隊編制的Pku-Dfiic 作為代理變量來衡量各省的金融科技水平。 本文不僅使用綜合指數(shù)DZ 來描述每個省份的金融科技水平，還使用覆蓋廣度DA 和使用深度DB 來描述。 為了減少數(shù)據(jù)之間的絕對差異，避免極值的影響，提高回歸的擬合度，本文采用金融科技發(fā)展的對數(shù)。

3.控制變量。 在研究中，選擇RGDP、FAI、IND_STRU、REV 和EXP 作為區(qū)域層面的控制變量。同時，還確定公司層面的控制變量：AGE、SIZE、TOP1、STATE、LEV 和ROE。 表1 提供了詳細的變量定義。

（二）數(shù)據(jù)來源

使用的數(shù)據(jù)由省級面板數(shù)據(jù)和2011 年至2020年期間上市公司的數(shù)據(jù)獲得的。 衡量各省金融科技水平的數(shù)據(jù)均由北京大學數(shù)字金融研究中心和螞蟻金融集團組成的聯(lián)合研究團隊編制。 省級控制變量的相關數(shù)據(jù)來自各省歷年的統(tǒng)計年鑒。 本文所使用的A 股上市公司數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫， 來自滬深股市的非金融行業(yè)。 刪除了西藏、ST 和*ST 公司以及缺少主變量的樣本和不連續(xù)三年的樣本。 公司級連續(xù)變量在1%的水平上進行排序，以避免異常值的影響。 本文計算了各省金融科技發(fā)展綜合指數(shù)的平均值， 然后根據(jù)企業(yè)的位置將企業(yè)級數(shù)據(jù)與省級數(shù)據(jù)進行匹配，最終獲得13970 個觀測值。在本文的樣本期內(nèi)， 企業(yè)平均非效率投資水平為3.7318，從0.0414 到28.5851 不等。 此外，金融科技的平均綜合指數(shù)（DZ）為5.3227，介于3.3464 至6.0352 之間。 同時，金融科技的平均覆蓋寬度（DA）為5.2170，平均使用深度（DB）為5.3473。

四、實證結果與分析

（一）主要結果

在本節(jié)中展示了實證結果。 首先，隨著各省金融科技水平的提高， 企業(yè)投資效率是否會得到提高。 在多元回歸之前，進行了皮爾遜相關矩陣的驗證。 企業(yè)投資效率（INV）與金融科技水平（DZ、DA、DB）之間存在顯著負相關，分別為-0.1044、-0.1038、-0.1113，這為金融科技的發(fā)展有助于提高企業(yè)投資效率提供了初步證據(jù)。

接下來，本文采用FE 回歸和OLS 回歸。表2 第（1）列至第（3）列報告了FE 回歸結果。 在第（1）列中，DZ 的系數(shù)為負，在1%的水平上顯著，表明企業(yè)的非效率投資隨著各省金融科技水平的提高而降低。 在第（2）列和第（3）列中，DA 和DB 上的系數(shù)仍然顯著為負值。表2 第（4）至（6）列報告了OLS 回歸結果。在第（4）列中，DZ 的系數(shù)為-0.414，在1%的水平上顯著。 金融科技水平與企業(yè)的非效率投資呈負相關，表明金融科技的發(fā)展有助于提高企業(yè)投資效率。 在第（5）列和第（6）列中，DA 和DB 的系數(shù)仍然顯著為負值。 該結果證實了H1。

（二）動態(tài)效果

基于上述結果，本文選取一階滯后、二階滯后和三階滯后的解釋變量，考察當前金融科技水平是否對企業(yè)投資效率有動態(tài)影響。 回歸顯示，在第（1）至（3）列中，解釋變量（L.DZ、L.DA、L.DB）的一階滯后系數(shù)為負值， 分別為-0.885、-0.418、-0.796，在5%水平上顯著。 在第（4）至（6）列中，解釋變量（L2.DZ、L2.DA、L2.DB）的二階滯后系數(shù)不再顯著，系數(shù)減小，分別為-0.719、-0.358、-0.683。 在第（7）至（9）列中，解釋變量（L3.DZ、L3.DA、L3.DB）的三階滯后系數(shù)也不再顯著且系數(shù)進一步減小，分別為-0.380、-0.209、-0.314。這清楚地表明，T 期的金融科技水平對T+1 期的企業(yè)投資效率有顯著的正向影響，但對T+2、T+3 期的企業(yè)投資效率沒有明顯的影響，表明金融科技對企業(yè)投資效率的動態(tài)效應隨時間推移具有顯著的衰減特征。

（三）公司治理機制的調(diào)節(jié)效應

企業(yè)內(nèi)部治理機制對企業(yè)投資效率有著重要影響。 董事長和總經(jīng)理兩職分開等健全的公司治理機制，有利于管理層做出正確的投資決策，提高投資效率。 董事長與總經(jīng)理是否二職合一對企業(yè)的異質(zhì)性影響。 本文使用董事長與總經(jīng)理是否二職合一來衡量公司治理機制的質(zhì)量，并根據(jù)董事長與總經(jīng)理是否二職合一來劃分企業(yè)。 研究報告了回歸結果。 董事長與總經(jīng)理二職合一企業(yè)的回歸結果，所有系數(shù)均為不顯著。 相反，在董事長與總經(jīng)理二職未合一的企業(yè)中，DZ、DA 和DB 系數(shù)在1%水平上顯著為負。 證實了金融科技對企業(yè)投資效率的影響與治理機制之間存在互補效應。

（四）分位數(shù)回歸

上面使用的回歸模型實際上是均值回歸，它非常容易受到極值的影響。 為檢驗模型的穩(wěn)健性，故再采用分位數(shù)回歸的方法，而且這種方法可以檢驗金融科技與企業(yè)投資效率之間是否存在非線性關系，從而提供更全面的企業(yè)投資效率信息。 因此，本研究使用面板分位數(shù)回歸模型。 為了盡可能顯示企業(yè)投資效率的條件分布， 本文選擇了三個分位數(shù)（25%、50%、75%）進行估計。

回歸結果顯示，DZ 系數(shù)為-0.229、-0.365 和-0.577，均在1%水平上顯著。 類似地，DA 的系數(shù)分別為-0.181、-0.313 和-0.485，且均在1%水平上顯著。此外，DB 的系數(shù)分別為-0.326、-0.529 和-0.858， 均在1%水平上顯著。 綜上所述，分位數(shù)回歸系數(shù)的絕對值呈上升趨勢，這表明金融科技對企業(yè)投資效率的影響在條件分布的右端大于對其他部分的影響。 最后，本文使用公司投資效率的替代指標進行穩(wěn)健性測試?；貧w結果顯示， 數(shù)據(jù)均在1%水平上顯著，F(xiàn)E 回歸中DZ、DA、DB 系數(shù)分別為-0.0124、-0.0060、-0.0132；OLS 回歸中DZ、DA、DB 系數(shù)分別為-0.00528、-0.00481、-0.0072，結果仍然穩(wěn)健，假設1 得到驗證。

五、結論與政策建議

本文研究了金融科技是否以及如何影響企業(yè)投資行為和效率。 利用2011 年至2020 年期間上市公司的大樣本和省級面板數(shù)據(jù)，本文發(fā)現(xiàn)企業(yè)投資效率與金融科技水平呈正相關。 此外，企業(yè)董事長與總經(jīng)理二職分離顯著增強了正相關。

實證研究表明，金融科技的應用越深入，覆蓋范圍越廣，企業(yè)的投資效率就越有建設性。 完善的公司治理可以讓金融科技更好地在公司投資發(fā)揮提升效率的作用。 “雙循環(huán)”是中國經(jīng)濟發(fā)展新模式的重要組成部分，而提高投資效率是促進“雙循環(huán)”的重要環(huán)節(jié)。 在此基礎上，提出政策建議：第一，推動金融科技規(guī)范化發(fā)展，避免由壟斷引起的不公正競爭。 完善相關法律法規(guī)，保護各類交易主體的權益。 積極營造開放、包容、安全的金融科技環(huán)境，降低金融科技進入壁壘，促進更多的金融機構參與進來。 第二，要把金融科技的積極作用發(fā)揮到最大，以促進“雙循環(huán)”的發(fā)展。 加強金融科技的基礎理論、重點領域和核心技術的研發(fā)。 我們要充分利用金融技術對傳統(tǒng)金融機構的積極引導，以實現(xiàn)對傳統(tǒng)金融機構的數(shù)字化改造和配置優(yōu)化。 第三，加強對金融科技創(chuàng)新活動的審慎監(jiān)管，構建和完善符合金融創(chuàng)新發(fā)展要求的金融監(jiān)管制度。 要健全金融科技監(jiān)管的基礎和規(guī)范， 要加強對金融科技倫理的管理，促進監(jiān)管技術與金融技術的協(xié)同發(fā)展。