馮智杰 劉麗瓏

內容提要：金融科技的發(fā)展在提高融資效率、促進經濟增長、金融發(fā)展的同時，也因為“金融脫媒”加速了信貸擴張，容易引發(fā)金融風險。本文通過空間計量模型的方法，采用2011—2018年的省級面板數據，考察金融科技對區(qū)域金融風險和固定資產投資的空間溢出效應。研究表明：金融科技對本地區(qū)的區(qū)域金融風險和固定資產投資具有正向影響，固定資產投資在金融科技對區(qū)域金融風險影響中具有中介效應。金融科技對鄰近地區(qū)的區(qū)域金融風險和固定資產投資水平具有負向空間溢出效應。同時，金融科技對區(qū)域金融風險和固定資產投資的空間溢出效應存在地區(qū)異質性，較落后地區(qū)的金融科技對區(qū)域金融風險和固定資產投資的直接影響相對較大。

關鍵詞：金融科技;固定資產投資;區(qū)域金融風險

中圖分類號：F832 文獻標識碼：A 文章編號：1001-148X（2021）06-0065-08

作者簡介：馮智杰（1980-），男，福建仙游人，廈門大學經濟學院博士研究生，研究方向：金融科技、固定收益;劉麗瓏（1981-），女，福建龍巖人，廈門理工學院經濟與管理學院副教授，管理學博士，研究方向：財務管理、金融科技。

基金項目：福建省自然科學基金項目，項目編號： 2019J05125。

一、引言

近年來，金融科技蓬勃發(fā)展，然而其兩面性也逐漸顯現：一方面，金融和科技相結合的金融創(chuàng)新，促進了金融資源配置、降低金融服務門檻，逐步成為金融發(fā)展的核心力量;另一方面，金融科技通過“金融脫媒”，加速信貸擴張、擴大信貸規(guī)模，但是金融科技監(jiān)管卻無法跟上金融科技快速發(fā)展的腳步，從而引發(fā)金融風險的聚集。而從歷史來看，金融創(chuàng)新往往會伴隨著嚴重的金融危機。因此，在利用金融科技創(chuàng)造金融發(fā)展優(yōu)勢的同時，絕不能忽視金融科技潛在的風險。2019年，央行在金融科技發(fā)展規(guī)劃中提出完善金融業(yè)務風險防控體系、建立金融科技監(jiān)管規(guī)則體系的總體目標。2020年11月7日，人民銀行發(fā)布《中國金融穩(wěn)定報告2020》表示：對于金融科技的監(jiān)管，要打造包容審慎的創(chuàng)新監(jiān)管機制?；谶@樣的金融科技發(fā)展背景，本文進一步圍繞金融科技和區(qū)域金融風險展開研究，對于合理應用金融科技、降低金融科技風險具有一定的理論和實踐意義。

在近年來的國內外研究中，絕大多數的研究都圍繞在金融科技對經濟增長、創(chuàng)業(yè)和企業(yè)創(chuàng)新、產業(yè)結構升級、城鄉(xiāng)包容性增長、降低企業(yè)財務費用和減少融資約束的促進作用上。對于金融科技可能引發(fā)的系統(tǒng)性金融風險，相關研究也進行了比較充分的探討。但關于金融科技對固定資產投資、區(qū)域金融風險的空間溢出效應的研究還比較欠缺，對此本文選擇我國2011-2018年的省級面板數據進行實證檢驗。

二、理論提出和研究假設

（一）金融科技對區(qū)域金融風險的空間溢出效應

金融科技的應用仍然具有傳統(tǒng)金融業(yè)務原有的風險，還產生了新的信息技術風險，也因“二次脫媒”產生更為復合的風險[1]。金融科技提高了金融機構之間的關聯性，加快了風險的傳播速度，擴散區(qū)域金融風險，具有空間溢出性，也容易引發(fā)系統(tǒng)性危機[2]。金融科技降低了信貸審批門檻，導致金融機構盲目追求規(guī)模，大大提高了區(qū)域非金融企業(yè)部門的債務規(guī)模，容易引起杠桿結構的失衡，增加了非金融企業(yè)部門的系統(tǒng)性危機[3]。當前金融監(jiān)管尚未能適應金融科技的發(fā)展，監(jiān)管者卻無法及時識別金融科技帶來的金融風險，增加了監(jiān)管空白和監(jiān)管套利的風險[4]。

金融科技對區(qū)域金融風險的空間溢出效應具有地區(qū)異質性。較發(fā)達的地區(qū)，金融監(jiān)管較為嚴格，約束了金融科技帶來的金融風險，而對于較落后地區(qū)，融資手段單一，金融科技的發(fā)展擴大融資覆蓋范圍，加上較為寬松的金融監(jiān)管，也使得信貸杠桿在金融科技的作用下得到擴大，從而提高了區(qū)域金融風險。地方經濟發(fā)展不均衡加劇了風險的空間傳導和傳染[5]。

基于此，本文提出假設1：

H1：金融科技對區(qū)域金融風險有空間溢出作用，金融科技對區(qū)域金融風險具有地區(qū)差異性，發(fā)展相對落后地區(qū)金融科技對區(qū)域金融風險的影響更大。

（二）金融科技對固定資產投資的空間溢出效應

金融科技加速了金融行業(yè)的轉型與升級，在這個過程中，金融科技的發(fā)展呈現出區(qū)域發(fā)展不均衡的情況，區(qū)域之間存在空間的關聯和互動，即存在一定的溢出效應[6]。金融科技有助于拓寬金融覆蓋面，降低融資成本，提高金融資源配置效率，推動金融多元化發(fā)展，促進金融產品、服務及工具的創(chuàng)新，有助于緩解企業(yè)融資約束。固定資產投資通常和信貸約束有關，企業(yè)的投資決策常常受到信貸配給的影響[7]。固定資產投資較多的企業(yè)會更多地得到商業(yè)銀行的貸款，并進一步擴大固定資產的規(guī)模[8]。金融科技的空間溢出效應和對金融資源配置的作用也對固定資產投資帶來了影響，金融科技降低了融資約束，固定資產投資在融資約束較低的地區(qū)上升明顯，金融科技對固定資產投資的影響具有空間溢出性。而且，對于較落后地區(qū)，金融基礎設施不完善，企業(yè)較難通過正規(guī)渠道獲得金融資源，而金融科技降低了融資難度，因此，較落后地區(qū)的企業(yè)更有動力通過金融科技獲取貸款擴大固定資產投資。

因此，本文提出假設2：

H2：金融科技對固定資產投資有空間溢出作用，金融科技對固定資產投資具有地區(qū)差異性，發(fā)展相對落后的地區(qū)金融科技對固定資產投資的影響更大。

（三）固定資產投資在金融科技對區(qū)域金融風險空間溢出中的中介效應

金融科技加大了非金融企業(yè)固定資產投資的資源錯配。金融科技降低借貸門檻，放松金融約束，擴大金融覆蓋范圍，非金融企業(yè)部門通過提高資產負債率增加固定資產投資，但是從金融機構的角度來看，固定資產投資所需的貸款通常是中長期貸款，固定資產投資規(guī)模的上升，增加了中長期貸款，通過金融科技獲得短期存款與固定資產投資的長期貸款不匹配，導致流動性風險的上升，因此固定資產投資的增加，又會因為期限錯配、流動性錯配導致區(qū)域金融風險的上升。固定資產貸款會導致資金期限錯配，從而增加商業(yè)銀行的流動性風險，增加金融風險。

基于此，本文提出假設3：

H3：金融科技通過固定資產影響區(qū)域金融風險，固定資產投資具有中介效應。

三、實證方法

（一）變量說明

考慮到樣本的可得性與合理性，并參考相關文獻，構造了如下變量：

1.被解釋變量

區(qū)域金融風險指數（regrisk）：區(qū)域金融風險的測度尚未形成統(tǒng)一的標準，本文借鑒陳雨露和馬勇（2013）[9]、沈麗等（2019）[5]方法構造區(qū)域金融風險指數，主要選取不良貸款率、存貸比、保險密度、資產負債率、企業(yè)虧損額度、財政缺口等6個主要指標來構造區(qū)域金融風險指數，其中對負向指標——保險密度轉換為正向指標，在此基礎上使用主成分分析，并利用主成分載荷矩陣及方差貢獻率得到新的指標，進一步對新指標進行歸一化處理（限于篇幅，沒有列出主成分分析的過程，如有需要可向作者索?。?/p>

2.解釋變量

金融科技指數（fintech）：作為關鍵的解釋變量，本文借鑒張勛等（2019）[10]、吳雨等（2020）[11]等文獻，采用北京大學的數字普惠金融指數作為金融科技指數，該指數涵蓋信貸、投資等多個領域，被廣泛應用于對金融科技的衡量。金融科技與互聯網金融、數字金融的概念基本相似[12]。數字金融是金融科技的具體表現，因此該指數被廣泛應用于對金融科技的衡量。但是該指數目前的時間跨度為2011年到2018年，本文在采用該指數進行分析之前對指數進行了歸一化處理。

固定資產投資水平（invest）：對于固定資產投資水平，本文以各省市的固定資產在GDP中的占比來衡量不同區(qū)域的固定資產投資水平。

3.控制變量

本文通過對相關文獻梳理，借鑒相關文獻，選擇了如下反映區(qū)域經濟狀況的控制變量：經濟發(fā)展水平（lnreggdp）：固定投資水平、區(qū)域金融風險和地方經濟發(fā)展環(huán)境及基礎設施有關，所以利用各地區(qū)人均GDP的對數值來衡量地區(qū)經濟發(fā)展水平;城市化水平（urban）：城鎮(zhèn)化的加快推進，同時也刺激了地方融資業(yè)務的擴張和風險的上升，采用區(qū)域內年末城鎮(zhèn)人口與總人口之比來反映;經濟結構（ecostruct）：經濟結構代表了地區(qū)經濟發(fā)展的方向，采用第二產業(yè)占比來衡量區(qū)域經濟結構;經濟開放水平（open）：以進出口貿易總額在GDP中占比來表示經濟的開放程度。

（二）計量模型

為探究金融科技對固定資產投資與區(qū)域金融風險的空間效應，將經濟變量的空間相關性引入到模型中，同時為避免其他宏觀因素的影響，本文均使用雙向固定效應模型，固定了年份效應和省份效應。綜合考慮各個變量之間的關系，首先建立空間杜賓模型（SDM），空間杜賓模型包含了自變量和因變量的空間滯后項，具有更一般的形式，可以表示如下：

其中，i表示地區(qū)，t表示年份，regriskit表示區(qū)域金融風險指數，fintechit表示地區(qū)金融科技指數，Xit表示控制變量，β0為截距項，β1為金融科技系數，βc為控制變量系數，δi、μt代表固定效應變量，εit表示隨機誤差項，W為空間權重矩陣，ρ為空間自回歸系數，θf、θc為空間交互項系數。

除此以外，作為空間計量模型的對照模型，將因變量的滯后項引入模型表示相鄰區(qū)域的影響，構造空間滯后模型（SAR），可以表示為：

如果考慮經濟變量因為相對位置而存在相互影響的差異，可以構造空間誤差模型（SEM），表示為：

其中，λ為空間誤差系數。

而對于金融科技、固定資產投資對區(qū)域金融風險的影響，以及固定資產投資在其中表現出的中介效應，主要采用杜賓模型進行分析，

其中，investit表示地區(qū)固定資產投資水平，在α1顯著的情況下，如果β1和γ2都顯著，則檢驗γ1顯著度，如果γ1顯著且小于α1，則說明中介變量具有部分中介效應，如果γ1不顯著，說明中介變量具有完全中介效應;如果β1和γ2至少有一個不顯著，則進行Sobel檢驗，如果顯著，則說明存在中介效應，否則不存在。

為反映各地區(qū)在空間之間的相互關系，本文從地理權重和經濟權重兩個方面構造空間矩陣，其中，地理矩陣以地理之間距離的倒數作為權重，即Wit=1dij，dij為兩省間的地理距離，而經濟矩陣采用2011-2018年各地平均GDP作為權重進行計算。

四、實證結果及分析

（一）數據描述

本文考慮數據可得性，選擇了2011年到2018年之間的省級面板數據，除了金融科技指數來自北京大學外，其他數據都來自萬得（Wind）數據庫。在實證分析之前，對部分數據進行了歸一化處理，包括區(qū)域金融風險指數、金融科技指數、城鎮(zhèn)人口比例、市場化水平、固定資產投資水平。然后，為了避免極值影響，對各變量經過Winsorize在1%和99%的處理，各個變量的名稱、說明、統(tǒng)計特征如表 1所示。金融科技指數均值為0.473，標準差為0.235，說明金融科技的發(fā)展存在地區(qū)差異性。

（二）空間自相關檢驗

本文采用Moran’s I指數，對金融科技、固定資產投資及區(qū)域金融風險等指標進行全局自相關檢驗。選取2011-2018年份，采用地理矩陣和經濟矩陣進行計算（限于篇幅，檢驗結果未作報告，如有需要可向作者索?。＝鹑诳萍妓心攴葜笜司鶠檎彝ㄟ^檢驗，說明金融科技有顯著的地理鄰接和經濟空間溢出效應，說明省份間存在空間聚集效應。區(qū)域金融風險在地理矩陣下，除了2011年外，都具有統(tǒng)計顯著性，在經濟矩陣下，除了2011年、2012年外，都具有統(tǒng)計顯著性，說明區(qū)域金融風險也具有比較明顯的空間溢出效應。而固定資產投資在地理矩陣下，除了2011年、2018年，都具有統(tǒng)計顯著性，而在經濟矩陣下，除了2011年、2012年、2018年，其他年份都具有統(tǒng)計顯著性，說明固定資產投資仍然具有比較明顯的空間溢出效應，。

（三）金融科技對區(qū)域金融風險的空間溢出效應

1. 空間計量模型的選擇

在進行回歸分析前對模型進行了Hausman檢驗，在忽略空間因素的條件下，Hausman檢驗值為29.45，P值為0.000，顯著性通過了檢驗，因此采用雙向固定效應模型。

通過似然比檢驗選擇合適的空間計量模型（限于篇幅，檢驗結果未作報告，如有需要可向作者索取），從地理矩陣和經濟矩陣的似然統(tǒng)計量來看，空間杜賓模型（SDM）相對于空間滯后模型（SAR）和空間誤差模型（SEM）的統(tǒng)計系數都具有統(tǒng)計顯著性，因此空間杜賓模型更具有優(yōu)勢。因此本文主要利用空間杜賓模型進行檢驗，同時為了更好地說明空間效應，同時列出了空間滯后模型和空間誤差模型的回歸結果。

2.空間計量回歸結果

金融科技對區(qū)域金融風險的空間計量回歸結果如表2所示。表 2中σ2均在1%的水平下顯著，證明了模型的擬合度較好，同時Log-likelihood的數值越大證明模型的效果越好，可以發(fā)現SDM模型的 Log-likelihood數值最大，說明選擇 SDM 模型的可信度較高，優(yōu)于SAR模型和SEM模型，也印證了前文的模型選擇。從列（1）-（6）中可以看到，金融科技指數不管是在SDM模型還是在SAR模型、SEM模型，都具有明顯統(tǒng)計顯著性。尤其是在列（1）SDM模型地理矩陣下，金融科技指數對區(qū)域金融風險的影響系數為0.974，在5%的水平上具有統(tǒng)計顯著性，在列（2）經濟矩陣下，金融科技對區(qū)域金融風險的影響系數為1.059，在1%水平上具有統(tǒng)計顯著性，說明不管是地理矩陣還是經濟矩陣，金融科技指數對區(qū)域金融風險具有正向影響。從交互項W×fintech來看，雖然在地理矩陣下，總體樣本沒有表現出明顯的統(tǒng)計顯著性，但是在經濟矩陣下，總體樣本的影響系數為-1.653，在10%的水平具有統(tǒng)計顯著性，說明金融科技對區(qū)域金融風險有負向的空間溢出效應，說明金融科技提高了本地區(qū)的金融風險，但是因為虹吸作用降低了相鄰區(qū)域的金融風險，而在表4列（1）地理矩陣下，較發(fā)達地區(qū)的影響系數為-1.702，也表現出明顯的統(tǒng)計顯著性，也進一步證實金融科技對區(qū)域金融風險具有負向的空間溢出效應，由于金融科技降低了本地區(qū)的金融門檻，降低了信貸獲取成本，擴大了信貸來源，鄰近地區(qū)的信貸資金也會被吸引到金融科技較為發(fā)達的地區(qū)，從而降低鄰近地區(qū)的金融風險，反而增加本地區(qū)的金融風險。從控制變量來看，在列（1）-（6）中，經濟發(fā)展水平在1%的水平上對區(qū)域金融風險有顯著的負向影響，說明地區(qū)的經濟發(fā)展水平的提高有助于降低區(qū)域金融風險，在列（2）經濟矩陣中，城市化水平在10%的水平上具有顯著的正向影響，說明城市化水平會增加區(qū)域金融風險。

3. 金融科技對區(qū)域金融風險的空間效應

本文從地理矩陣和經濟矩陣兩個角度對空間溢出效應進行分解，考慮到空間杜賓模型優(yōu)于其他模型，這里只采用空間杜賓模型進行檢驗?？臻g效應如表3所示。直接效應反映各經濟因素對本地區(qū)區(qū)域金融風險的平均影響，從直接效應來看，不管是地理矩陣還是經濟矩陣，金融科技對區(qū)域金融風險的影響系數顯著為正，分別為0.973和1.020，說明金融科技對本地區(qū)的區(qū)域金融風險具有顯著的正向推動作用，金融科技的應用會帶來區(qū)域金融風險的增加，究其原因，金融科技降低金融約束，增加地區(qū)負債，從而增加了區(qū)域金融風險。從控制變量來看，人均GDP對區(qū)域金融風險有負向影響，會降低區(qū)域金融風險。間接效應反映各經濟因素對空間內有聯系的其他地區(qū)造成的平均影響，總效應反應各經濟因素對所有地區(qū)的區(qū)域金融風險總的影響程度，但是從間接效應和總體效應來看，金融科技對區(qū)域金融風險的影響并不明顯。但是從前文的交互項W×fintech來看，金融科技對區(qū)域金融風險仍然具有空間溢出效應。

4. 金融科技對區(qū)域金融風險影響的異質性檢驗

本文在全樣本的基礎上，將全國32個省份分為較發(fā)達地區(qū)、較落后地區(qū)（較發(fā)達地區(qū)包括中東部地區(qū)和遼寧省、四川省、重慶市19 省市，剩余12個省份為較落后地區(qū)）。地區(qū)異質性檢驗結果如表4所示。從地區(qū)異質性的角度來看，也可以看到，在地理矩陣下，列（2）較落后地區(qū)的影響系數為1.309，大于列（1）較發(fā)達地區(qū)的影響系數0.890，在經濟矩陣下，列（4）較落后地區(qū)的影響系數為1.164，大于列（3）較發(fā)達地區(qū)的影響系數0.753，說明不管是地理矩陣，還是經濟矩陣，較落后地區(qū)金融科技對區(qū)域金融風險的影響系數都要大于較發(fā)達地區(qū)。結合前文，假設1得到證明。這是因為較落后地區(qū)金融發(fā)展水平比較低，監(jiān)管水平也相對比較落后，所以金融科技對區(qū)域金融風險的影響相對較發(fā)達地區(qū)來得更加顯著，從直接效應的影響系數來看，也可以得到一樣的結論（限于篇幅，此處沒有列出，如有需要可向作者索?。?。

（四）金融科技對固定資產投資的空間溢出效應

1. 空間計量模型的選擇

同前文一致，在忽略空間因素的條件下，首先通過Hausman檢驗確定是固定效應還是隨機效應，模型Hausman 檢驗值為58.58，P 值為0.000，顯著性通過了檢驗，因此采用雙向固定效應模型。

本文通過似然比檢驗選擇合適的空間計量模型（限于篇幅，檢驗結果未作報告，如有需要可向作者索取），從地理矩陣和經濟矩陣的似然統(tǒng)計量來看，空間杜賓模型（SDM）優(yōu)于空間滯后模型（SAR）和空間誤差模型（SEM），都具有1%的統(tǒng)計顯著性。

2. 金融科技對固定資產投資的空間計量回歸結果

金融科技對固定資產投資的空間計量回歸結果如表5所示。由于空間杜賓模型具有明顯優(yōu)勢，這里采用空間杜賓模型進行檢驗。在總體樣本下，在列（1）地理矩陣下，金融科技指數對固定資產投資的影響系數為0.743，在1%的水平上具有統(tǒng)計顯著性，在列（4）經濟矩陣下，金融科技對固定資產投資的影響系數為0.699，在5%水平上具有統(tǒng)計顯著性，說明不管是地理矩陣還是經濟矩陣，金融科技指數對固定資產投資具有正向影響，而從W×fintech交叉項來看，金融科技對鄰接省份的固定資產投資的影響系數為-1.051，在5%的水平上具有顯著的負向溢出效應，雖然經濟矩陣下不具有統(tǒng)計顯著性，這可能是和地理、經濟特征有關，但從地理矩陣的角度，仍然可以看到負向溢出效應，這說明：一方面，由于金融科技放松了金融約束，降低信貸門檻，顯著增加了本地區(qū)的固定資產投資，但是另一方面，在金融科技的作用下，本地區(qū)對其他地區(qū)的固定資產投資具有擠出效應和虹吸效應：稀缺的資本會在空間中流向具有規(guī)模效應、聚集效應的地區(qū)，以獲得高額回報，因此相鄰地區(qū)在金融科技的作用下形成了競爭關系，本地區(qū)的投資對其他地區(qū)的投資產生了擠出效應;并且，金融科技促進了本地區(qū)的經濟增長，具有經濟活力的地區(qū)會更吸引其他地區(qū)的人才和技術，從而形成明顯的投資優(yōu)勢，從而對周邊形成虹吸效應，從而促使固定資產的投資向較發(fā)達地區(qū)流動。從控制變量來看，在列（1）、（4）中，城市化水平和經濟結構對固定資產投資有顯著的正向影響。

表5同時列出了地區(qū)異質性檢驗結果。在從地區(qū)異質性角度來看，在地理矩陣中，列（2）較發(fā)達地區(qū)的金融科技指數影響系數不顯著，列（3）較落后地區(qū)的影響系數具有1%水平的統(tǒng)計顯著性，并且，較落后地區(qū)的影響系數會大于較發(fā)達地區(qū)，雖然經濟矩陣下列（6）較落后地區(qū)的影響系數不顯著，但是P值為0.124，接近邊緣顯著性，且影響系數大于列（5）較發(fā)達地區(qū)。究其原因，較發(fā)達地區(qū)的經濟發(fā)展水平比較高，資源配置完善，金融科技對固定資產投資的提高存在邊際遞減的效應，而對于較落后地區(qū)，金融科技有助于降低融資門檻，降低信貸審批難度，較落后地區(qū)的企業(yè)更會通過金融科技獲取信貸資金增加固定資產投資，因此在較落后地區(qū)的金融科技對固定資產投資的影響相對較發(fā)達地區(qū)更大。假設2得到證明，從直接效應的影響系數來看，可以得到一樣的結論（限于篇幅，沒有列出估計結果，如有需要可向作者索?。＿@說明，金融科技的發(fā)展還存在區(qū)域的不平衡性，而從W×fintech交叉項來看，在地理矩陣下，列（3）較落后地區(qū)的金融科技具有顯著的正向溢出，在經濟矩陣下，列（6）較落后地區(qū)存在顯著的負向溢出效應，雖然表現出不同的統(tǒng)計特點，可能是由于地理特征和經濟特征不同的影響，但是也說明金融科技在較落后地區(qū)的空間溢出效應更為明顯，具有跨區(qū)域影響。

（五）固定資產投資中介效應的檢驗

金融科技的發(fā)展降低了融資難度，擴大了金融覆蓋范圍、提高金融應用深度，因此也增加了區(qū)域金融杠桿和固定資產投資，因此，本文通過中介效應模型分析金融杠桿和固定資產投資在金融科技和區(qū)域金融風險之間的中介效應。表6列出了中介效應回歸的結果，列（1）中固定資產投資對區(qū)域金融風險的影響系數為0.443，在1%水平上具有顯著的正向影響，列（2）中固定資產投資對區(qū)域金融風險的影響系數為0.421，具有1%水平顯著的正向影響，并且金融科技指數不再具有統(tǒng)計顯著性，結合表2列（1）、表8列（1），可見，在地理矩陣下，固定資產投資在金融科技指數對區(qū)域金融風險的影響中具有完全中介效應。在列（3）中，固定資產投資對區(qū)域金融風險的影響系數為0.491，在1%水平上具有統(tǒng)計顯著性，在列（4）中，固定資產投資的影響系數仍然在1%具有統(tǒng)計顯著性，而金融科技指數雖然仍然在5%水平上具有統(tǒng)計顯著性，但是對比表6列（4），影響系數下降，同時結合表2列（2），可以發(fā)現，在經濟矩陣下，固定資產投資在金融科技指數對區(qū)域金融風險具有部分中介效應。因此假設3得到證明。這是因為，金融科技降低信貸門檻、擴大融資范圍，促進了地區(qū)固定資產投資的上升，但是固定資產投資的信貸資金通常是中長期貸款，而信貸供應端通常是短期貸款，通過金融科技，金融機構可以會將短期資金歸攏提供給中長期貸款，從而產生期限錯配、流動性風險等問題，導致區(qū)域金融風險的上升，增加了金融機構的潛在系統(tǒng)風險。

從空間效應的分解來看（限于篇幅，檢驗結果未作報告，如有需要可向作者索?。?，在直接效應上，不管是地理矩陣還是經濟矩陣，金融科技對固定資產投資的影響系數顯著為正。從間接效應來看，在地理矩陣中，金融科技對固定資產投資的間接效應顯著為負，說明各地區(qū)金融科技對其他地區(qū)具有負的空間溢出效應，在金融科技作用下，本地區(qū)對其他地區(qū)固定資產投資的虹吸作用，導致固定資產投資向金融科技更發(fā)達的地區(qū)聚集。

（六）穩(wěn)健性檢驗

本文采用0-1鄰接矩陣進行穩(wěn)健性檢驗，結果如表7所示，由回歸結果可知，在列（1）中，金融科技對區(qū)域金融風險的影響系數為0.898，在5%水平上具有統(tǒng)計顯著性，金融科技對區(qū)域金融風險具有正向影響，在列（3）中，金融科技對固定資產投資水平的影響系數為0.628，在1%水平上具有統(tǒng)計顯著性，說明金融科技對固定資產投資具有正向影響，在列（2）中，固定資產投資水平對區(qū)域金融風險的影響系數為0.442，在1%上具有正向的統(tǒng)計顯著性，同時考慮金融科技、固定資產投資水平的情況下，列（4）顯示，固定資產投資的影響系數為0.419，顯著為正，而金融科技指數系數不再具有統(tǒng)計顯著性，說明固定資產投資水平具有完全中介效應，因此，本文的實證結果具有穩(wěn)健性。

五、研究結論及政策建議

金融科技的發(fā)展對金融風險的影響近年來受到廣泛的關注，本文采用空間計量模型研究金融科技對固定資產投資和區(qū)域金融風險的空間溢出效應，通過2011年到2018年的樣本數據進行研究，研究發(fā)現：（1）金融科技對區(qū)域金融風險和固定資產投資具有正向的影響，金融科技會直接增加本地區(qū)區(qū)域金融風險和固定資產投資水平，并且對鄰近地區(qū)具有負向空間溢出效應，通過虹吸作用間接影響其他地區(qū)的固定資產投資和區(qū)域金融風險，降低鄰近地區(qū)的區(qū)域金融風險和固定資產投資。（2）固定資產投資在金融科技對區(qū)域金融風險影響中具有的中介效應，金融科技有助于降低金融門檻，增加信貸配給，提高固定資產投資水平，但是存在潛在的期限錯配、流動性風險，進而增加了區(qū)域金融風險。（3）金融科技對區(qū)域金融風險和固定資產投資的空間溢出效應存在地區(qū)異質性，較落后地區(qū)金融科技對區(qū)域金融風險和固定資產投資的直接影響相對較大。

本文的研究對于合理利用金融科技、降低金融科技風險具有重要的理論和實踐意義，對于有效實施金融科技監(jiān)管具有重要的啟示意義。根據本文的研究結論，提出如下建議：第一，完善金融科技的相關法規(guī)和監(jiān)管政策。制定相關法律，保障健康的金融科技創(chuàng)新，建立符合政策導向和金融發(fā)展需求的監(jiān)管框架，實現金融科技創(chuàng)新與區(qū)域金融風險的平衡，滿足金融科技快速發(fā)展的需要。第二，提高金融科技監(jiān)管的執(zhí)行效率。及時跟進金融科技的發(fā)展，跟進金融風險的變化，緊緊抓住當前金融科技快速發(fā)展的歷史機遇，發(fā)揮政府的監(jiān)管和引領作用，從而提高金融監(jiān)管的及時性和適應性。第三，實行差異化的監(jiān)管政策。完善較落后地區(qū)的金融服務和金融監(jiān)管，提升較落后地區(qū)的金融整體發(fā)展水平，減少較落后地區(qū)金融科技帶來的負面影響，繼續(xù)發(fā)揮金融科技在較落后地區(qū)促進經濟增長、促進創(chuàng)新、提高農村居民收入的作用。

參考文獻：

[1]吳曉求.互聯網金融：成長的邏輯[J].財貿經濟，2015（2）：5-15.

[2]戴國強，方鵬飛.監(jiān)管創(chuàng)新、利率市場化與互聯網金融[J].現代經濟探討，2014（7）：64-67.

[3]姜建華，秦志宏.非均衡發(fā)展格局下的區(qū)域金融風險與宏觀金融運行[J].國際金融研究，1999（9）：44-50.

[4]呂勇斌，陳自雅.區(qū)域金融風險部門間傳遞的空間效應——2005～2012年[J].財政研究，2014（8）：46-48.

[5]沈麗，劉媛，李文君.中國地方金融風險空間關聯網絡及區(qū)域傳染效應：2009-2016[J].管理評論，2019，31（8）：35-48.

[6]李志強，徐宇明.空間外溢視角下的科技金融與區(qū)域經濟增長質量[J].當代財經，2020（10）：62-74.

[7]馮科.信貸配給、固定資產投資水平與企業(yè)創(chuàng)新[J].中央財經大學學報，2016（4）：42-51.

[8]王霄，張捷.銀行信貸配給與中小企業(yè)貸款——一個內生化抵押品和企業(yè)規(guī)模的理論模型[J].經濟研究，2003（7）：68-75.

[9]陳雨露，馬勇.構建中國的“金融失衡指數”：方法及在宏觀審慎中的應用[J].中國人民大學學報，2013，27（1）：59-71.

[10]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.

[11]吳雨，李成順，李曉，等.數字金融發(fā)展對傳統(tǒng)私人借貸市場的影響及機制研究[J].管理世界，2020，36（10）：53-64.

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

（責任編輯：趙春江）