摘 要：金融科技能夠打破傳統(tǒng)融資規(guī)則約束，成為賦能企業(yè)高質(zhì)量發(fā)展的新質(zhì)手段。本文著眼于銀行金融科技，研究金融科技對企業(yè)高質(zhì)量發(fā)展的影響，并檢驗金融科技的融資效應(yīng)和監(jiān)督治理效應(yīng)在二者間的中介機制。實證結(jié)果表明：金融科技的應(yīng)用顯著促進了企業(yè)高質(zhì)量發(fā)展，且對中小企業(yè)和私營企業(yè)表現(xiàn)出更強的促進作用；中介效應(yīng)檢驗表明，金融科技可以通過緩解企業(yè)的融資約束、提高銀行監(jiān)督治理能力、緩解銀企之間的信息不對稱來促進企業(yè)高質(zhì)量發(fā)展；此外，銀企金融科技發(fā)展具有顯著的協(xié)同效應(yīng)，銀企金融科技發(fā)展一致性顯著增強了金融科技對企業(yè)高質(zhì)量發(fā)展的促進效果。研究結(jié)論對于促進金融業(yè)更好地服務(wù)實體經(jīng)濟、推動企業(yè)高質(zhì)量發(fā)展具有一定的理論價值和實踐意義。

關(guān)鍵詞：銀行金融科技；高質(zhì)量發(fā)展；融資約束；全要素生產(chǎn)率；銀企協(xié)同效應(yīng)

中圖分類號：F830 文獻標(biāo)識碼：A 文章編號：1674-2265（2024）09-0054-11

DOI：10.19647/j.cnki.37-1462/f.2024.09.006

一、引言

黨的二十大報告中提出，“要堅持以推動高質(zhì)量發(fā)展為主題，把實施擴大內(nèi)需戰(zhàn)略同深化供給側(cè)結(jié)構(gòu)性改革有機結(jié)合起來，增強國內(nèi)大循環(huán)內(nèi)生動力和可靠性，提升國際循環(huán)質(zhì)量和水平，加快建設(shè)現(xiàn)代化經(jīng)濟體系，著力提高全要素生產(chǎn)率?！逼髽I(yè)高質(zhì)量發(fā)展是經(jīng)濟高質(zhì)量發(fā)展在微觀領(lǐng)域的重要方面，也是社會經(jīng)濟高質(zhì)量發(fā)展的重要條件。要實現(xiàn)高質(zhì)量發(fā)展，企業(yè)就要遵循經(jīng)濟規(guī)律，著力提升全要素生產(chǎn)率水平。然而，我國企業(yè)全要素生產(chǎn)率在近年來進入緩慢增長階段。國家信息中心經(jīng)濟預(yù)測部數(shù)據(jù)顯示，當(dāng)前企業(yè)全要素生產(chǎn)率增速甚至出現(xiàn)下降趨勢，從工業(yè)化階段的年均4.2%逐漸下降至2%左右①。既往傳統(tǒng)要素稟賦結(jié)構(gòu)下支撐我國經(jīng)濟增長的資源要素紅利逐漸消失，高度依賴要素投入驅(qū)動的粗放式傳統(tǒng)發(fā)展模式難以維持經(jīng)濟持續(xù)增長，全要素生產(chǎn)率已成為企業(yè)高質(zhì)量發(fā)展新的驅(qū)動力（李逸飛等，2022）[1]。以往研究表明，當(dāng)企業(yè)面臨不穩(wěn)定的資金來源或較嚴(yán)重的融資約束時，其往往傾向于削減生產(chǎn)經(jīng)營與投資活動投入，從而制約企業(yè)的高質(zhì)量發(fā)展，因而企業(yè)高質(zhì)量發(fā)展和全要素生產(chǎn)率的提高受到企業(yè)融資環(huán)境的極大影響（Wang等，2021；顧海峰和楊立翔，2018；李春濤等，2020a）[2-4]。實際上仍有許多企業(yè)的生產(chǎn)經(jīng)營與投資活動正在受到融資短缺的限制，導(dǎo)致全要素生產(chǎn)率無法實現(xiàn)較快增長（Song和Wu，2015；蔡昉，2013）[5，6]。因此，如何通過緩解企業(yè)融資難題進而促進企業(yè)全要素生產(chǎn)率提高，成為亟待解決的問題。

企業(yè)的資金來源以金融機構(gòu)信貸為主，銀行在支持實體經(jīng)濟發(fā)展中扮演著十分重要的角色。通常來講，當(dāng)銀企之間存在嚴(yán)重的信息不對稱問題，銀行難以準(zhǔn)確識別企業(yè)財務(wù)狀況及盈利潛力時，出于規(guī)避風(fēng)險的動機，銀行往往傾向于減少放貸，從而加劇企業(yè)的融資約束。因此，傳統(tǒng)銀行基于規(guī)避風(fēng)險的惜貸行為制約了企業(yè)融資可得性，對企業(yè)全要素生產(chǎn)率造成了負面影響。然而近年來，隨著云計算、大數(shù)據(jù)、人工智能和區(qū)塊鏈等新興技術(shù)在銀行的廣泛應(yīng)用，金融科技正在迅速崛起，在賦能銀行數(shù)字化轉(zhuǎn)型的同時，也為緩解企業(yè)的融資約束、增強銀行的監(jiān)督管理能力、提升企業(yè)全要素生產(chǎn)率提供了新的契機。銀行利用金融科技，精準(zhǔn)識別具備盈利潛力的優(yōu)質(zhì)企業(yè)，有效緩解銀企之間的信息不對稱問題，增加銀行信貸供給，從而減輕企業(yè)的融資約束（梅冬州等，2022）[7]，為企業(yè)全要素生產(chǎn)率提升創(chuàng)造了有利的條件。與此同時，銀行對金融科技的應(yīng)用不僅僅局限于提供融資支持，其所引發(fā)的融資規(guī)則變革也將使企業(yè)面臨更為嚴(yán)格的外部監(jiān)督環(huán)境。一方面，銀行加大金融科技投入，旨在更好地評估和篩選企業(yè)，以便提供更精準(zhǔn)的金融服務(wù)。另一方面，金融科技為銀行的貸后管理提供了強大支持，顯著提升了貸后管理的時效性和智能化水平（郭曄等，2022）[8]。綜合考慮這兩方面因素，基于數(shù)據(jù)驅(qū)動的融資規(guī)則將形成更為有效的激勵和約束機制，展現(xiàn)出金融科技的監(jiān)督治理效應(yīng)。目前鮮有學(xué)者關(guān)注銀行金融科技對企業(yè)高質(zhì)量發(fā)展的影響，有鑒于此，本文以2012—2022年我國上市企業(yè)為研究對象，利用企業(yè)的逐筆貸款匹配，將視角集中于銀行金融科技的應(yīng)用，并分析其對企業(yè)高質(zhì)量發(fā)展的影響及作用機制。研究結(jié)論不僅對于拓展金融科技的應(yīng)用領(lǐng)域具有深刻的理論意義，同時對促進我國企業(yè)高質(zhì)量發(fā)展具有重要的實踐價值。

二、文獻綜述

眾多學(xué)者聚焦于企業(yè)全要素生產(chǎn)率，主要從全要素生產(chǎn)率的發(fā)展困境和影響因素等方面進行了深入探討。關(guān)于企業(yè)全要素生產(chǎn)率的發(fā)展困境，隨著人口結(jié)構(gòu)、勞動力成本和供需關(guān)系的改變，單純依靠要素積累的增長方式已經(jīng)難以為繼（肖文和薛天航，2019）[9]。關(guān)于全要素生產(chǎn)率的影響因素，現(xiàn)有研究結(jié)果表明，融資約束、融資成本、信貸資源配置效率等外部因素和企業(yè)產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新能力、運營水平、人力資本結(jié)構(gòu)等內(nèi)部因素都會影響企業(yè)全要素生產(chǎn)率（Song和Wu，2015；陳中飛和江康奇，2021；宋敏等，2021；趙宸宇等，2021）[5，10-12]。

在金融科技的研究方面，已有文獻發(fā)現(xiàn)基于數(shù)字技術(shù)的金融創(chuàng)新活動提高了金融服務(wù)的質(zhì)量和效率，對實體經(jīng)濟產(chǎn)生了深遠的影響（李春濤等，2020b；蔡慶豐等，2021；宋敏等，2023；周雷等，2024）[13-16]。金融科技作為數(shù)字金融的核心，從主體而言可以分為外部金融科技和銀行金融科技（Cheng和Qu，2020）[17]，外部金融科技是指銀行業(yè)之外的金融科技，如金融科技公司。以往研究更多集中于外部金融科技的經(jīng)濟效應(yīng)，對于金融科技主體——銀行金融科技的研究較少。當(dāng)前，越來越多的學(xué)者開始轉(zhuǎn)為關(guān)注內(nèi)部金融科技（郭品和沈悅，2019；金洪飛等，2020；郭娜等，2023）[18-20]，內(nèi)部金融科技主要指物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等技術(shù)在支付、信貸、理財?shù)葌鹘y(tǒng)金融領(lǐng)域的創(chuàng)新應(yīng)用，能夠輔助銀行進行數(shù)字化轉(zhuǎn)型（Sheng，2021）[21]。銀行通過運用金融技術(shù)可以降低運營成本、提高服務(wù)效率、增強風(fēng)險控制能力、改善傳統(tǒng)業(yè)務(wù)模式，進而提高盈利能力和綜合競爭力（邱晗等，2018；盛天翔和范從來，2020）[22，23]。還有研究表明，銀行金融科技發(fā)展能夠通過提升銀行信息甄別能力，優(yōu)化風(fēng)險控制模式，有效解決企業(yè)的融資難和融資貴問題，并能夠驅(qū)動企業(yè)去杠桿，穩(wěn)定財務(wù)狀況，從而促進企業(yè)結(jié)構(gòu)性改革，激勵企業(yè)的數(shù)字化發(fā)展和企業(yè)創(chuàng)新（李逸飛等，2022；李真等，2023；唐松等，2020；張金清等，2022）[1，24-26]。

綜上所述，相關(guān)文獻在以下領(lǐng)域仍有待深入研究：第一，現(xiàn)有研究重點關(guān)注了企業(yè)高質(zhì)量發(fā)展及影響因素（Caggese和Cunat，2013）[27]，但是我國銀行金融科技的發(fā)展如何影響企業(yè)高質(zhì)量發(fā)展仍鮮有提及。當(dāng)前金融科技的快速發(fā)展在賦能銀行風(fēng)險管理的同時，是否能夠疏通流動性在銀行與企業(yè)之間的傳導(dǎo)渠道，降低對企業(yè)的融資限制，這些問題值得進一步探究。第二，盡管已有部分文獻關(guān)注到金融科技對企業(yè)全要素生產(chǎn)率的影響（侯層和李北偉，2022）[28]，但是前期文獻主要立足于外部金融科技，鮮有研究關(guān)注到金融體系內(nèi)部金融科技的發(fā)展會對企業(yè)的高質(zhì)量發(fā)展產(chǎn)生怎樣的作用。因此，基于銀行內(nèi)部金融科技視角展開對企業(yè)全要素生產(chǎn)率的研究，有助于進一步拓展前期文獻的研究結(jié)論。第三，考慮到不同性質(zhì)企業(yè)在生產(chǎn)經(jīng)營模式和金融科技接受能力上存在差異，金融科技的應(yīng)用對企業(yè)的融資約束和企業(yè)全要素生產(chǎn)率的影響可能存在異質(zhì)性，這些方面仍然有待進一步研究。有鑒于此，本文著眼于銀行內(nèi)部金融科技，在此基礎(chǔ)上實證檢驗金融科技的應(yīng)用對企業(yè)全要素生產(chǎn)率的影響，以及融資約束和監(jiān)督治理效應(yīng)在二者關(guān)系中發(fā)揮的中介作用，并進一步探討不同性質(zhì)企業(yè)在金融科技接受能力上的差異，為促進企業(yè)高質(zhì)量發(fā)展提供重要的參考依據(jù)。

三、理論分析與研究假說

（一）銀行金融科技與企業(yè)高質(zhì)量發(fā)展

金融科技不僅有助于優(yōu)化銀行信貸結(jié)構(gòu)、銀行業(yè)市場結(jié)構(gòu)等，而且加快了市場中信息的流轉(zhuǎn)速度和信息與技術(shù)的融合速度。金融科技的運用促使市場信息能夠更快轉(zhuǎn)化成對銀行有用的資源，推動銀行擴大信貸規(guī)模，緩解企業(yè)的融資約束，進一步提升對企業(yè)的監(jiān)管能力，有效提高企業(yè)資源配置效率，推動企業(yè)全要素生產(chǎn)率高水平增長。一方面，金融科技帶來的銀行服務(wù)創(chuàng)新可以有效優(yōu)化信貸融資方式和銀行經(jīng)營管理模式，簡化企業(yè)融資程序，推動金融服務(wù)實體經(jīng)濟能力水平的提升。金融科技能夠緩解信息不對稱，提升銀行的信息甄別能力，進而通過調(diào)整其信貸客戶結(jié)構(gòu)，優(yōu)化信貸行業(yè)投向，最終給予企業(yè)更高質(zhì)量的信貸服務(wù)（徐曉萍等，2021）[29]。另一方面，隨著金融科技技術(shù)和產(chǎn)品的運用，銀行能夠?qū)ζ髽I(yè)的研發(fā)設(shè)計、產(chǎn)品制造、成品銷售等各個環(huán)節(jié)中的信息進行采集和分析，從而有效提升企業(yè)及所在產(chǎn)業(yè)鏈上游和下游的信息透明度，達到對企業(yè)產(chǎn)品的全生命周期進行資質(zhì)評定和風(fēng)險管理的目的，從資金端監(jiān)管企業(yè)對于生產(chǎn)資料的分配和使用，最終達到了優(yōu)化資源配置效率、提高企業(yè)全要素生產(chǎn)率、推動企業(yè)高質(zhì)量發(fā)展的目標(biāo)。基于此，本文提出以下假設(shè)：

假設(shè)1：金融科技可以顯著促進企業(yè)高質(zhì)量發(fā)展。

（二）金融科技的融資效應(yīng)

在市場經(jīng)濟條件下，企業(yè)的生產(chǎn)經(jīng)營和研發(fā)創(chuàng)新活動離不開穩(wěn)定、充足的資金支持。然而，長期以來，融資約束嚴(yán)重影響了企業(yè)的創(chuàng)新行為，導(dǎo)致其全要素生產(chǎn)率難以快速提高（李逸飛等，2022）[1]。與傳統(tǒng)金融相比，具有覆蓋面廣、成本低以及使用方便等特點的金融科技，降低了金融服務(wù)實體經(jīng)濟的門檻，從而提高了金融服務(wù)的可得性，也拓寬了企業(yè)的融資渠道，促使企業(yè)更多地進行研發(fā)創(chuàng)新、謀求技術(shù)進步，進而提高其全要素生產(chǎn)率。具體來說，在我國以銀行為主導(dǎo)的金融體系下，銀行信貸是實體經(jīng)濟獲取外部融資的主要渠道。銀行信貸供給量的變化直接決定著企業(yè)融資規(guī)模及難易程度，進而對企業(yè)高質(zhì)量發(fā)展產(chǎn)生影響。金融科技與銀行業(yè)務(wù)的深度融合能夠通過削減成本提高銀行的金融服務(wù)質(zhì)量，讓金融機構(gòu)回歸業(yè)務(wù)本身的價值探索和創(chuàng)新，對傳統(tǒng)金融體系進行重塑（Banna等，2021）[30]，提升銀行信貸意愿，使更多信貸資金可以被投放到實體經(jīng)濟中，在客觀上優(yōu)化了企業(yè)的生產(chǎn)經(jīng)營活動，使得企業(yè)的全要素生產(chǎn)率提高（劉俏，2020）[31]?；谝陨戏治?，本文提出如下假設(shè)：

假設(shè)2：金融科技可以通過緩解企業(yè)的融資約束來促進企業(yè)高質(zhì)量發(fā)展，對銀行融資依賴性越強的企業(yè)受到金融科技的影響越大。

（三）金融科技的監(jiān)督治理效應(yīng)

金融科技的應(yīng)用不但可以在貸前降低企業(yè)的融資門檻和融資成本，而且可以在貸后進行有效監(jiān)管，緩解銀企之間的信息不對稱，充分發(fā)揮治理作用。一方面，金融科技能夠增強銀行的信息識別能力，降低公司的違約風(fēng)險（沈悅和郭品，2015）[32]。銀行可以利用大數(shù)據(jù)技術(shù)，在降低信息成本和實施成本的同時，提升對借款公司后續(xù)資本利用的監(jiān)管效果，從而提升公司的治理水平，并對管理層的機會主義行為進行約束（黃銳等，2020）[33]。另一方面，對企業(yè)來說，在客觀準(zhǔn)則成為決定公司融資能力的關(guān)鍵因素后，企業(yè)尋求融資的重心就從打通信息傳遞、建立信任關(guān)系轉(zhuǎn)變?yōu)樘岣咝庞谩暗梅帧?，從而致力于獲得更高的信用評級。從這兩方面來看，融資規(guī)則的數(shù)字化轉(zhuǎn)型蘊含了作用于企業(yè)的治理效應(yīng)：公司越注重改善自己的信用評級，越有可能得到融資支持。在追求更高的信用“得分”的激勵約束下，公司會有更強烈的動機改進內(nèi)部控制和規(guī)范投資決策過程，進而成為提高全要素生產(chǎn)率的內(nèi)生動力。除此之外，銀行可以通過金融科技快速了解企業(yè)融資意愿，以緩解銀企之間的信息不對稱問題，減少債務(wù)跨期錯配風(fēng)險帶來的成本損失，加強銀行體系作為金融服務(wù)中介的信息搜集能力，進而實現(xiàn)不同主體間信息的快速匹配（宋敏等，2021）[11]。金融科技為銀行提供更多與企業(yè)經(jīng)營、投資等重要決策有關(guān)的信息，提升銀行對優(yōu)質(zhì)企業(yè)的識別能力，進一步緩解銀企之間的信息不對稱，強化了銀行對企業(yè)資金使用的監(jiān)督和治理（楊豐來和黃永航，2006）[34]。本文將金融科技這種影響看作監(jiān)督治理效應(yīng)，并認為其借助打通信息渠道并緩解銀企之間信息不對稱的機制路徑來實現(xiàn)。根據(jù)上述分析，本文提出假設(shè)3：

假設(shè)3：金融科技應(yīng)用具有監(jiān)督治理效應(yīng)，通過提高銀行信息甄別能力、促進企業(yè)內(nèi)部管理水平提升、緩解銀企之間的信息不對稱來實現(xiàn)企業(yè)全要素生產(chǎn)率增長。

四、實證設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文采用2010—2021年中國A股上市公司和114家銀行的面板數(shù)據(jù)進行實證分析。由于金融科技在銀行內(nèi)部的大規(guī)模應(yīng)用始于2009年②，而2009年應(yīng)用數(shù)據(jù)量有限，因此，本文將樣本區(qū)間起始點設(shè)定為2010年。本文從國泰安上市公司貸款數(shù)據(jù)庫整理企業(yè)2010—2021年的逐筆貸款信息，進而將逐筆貸款信息統(tǒng)一整理為“企業(yè)—年份—銀行名稱—貸款規(guī)模”的數(shù)據(jù)集，然后將該數(shù)據(jù)與各銀行歷年的金融科技發(fā)展水平和財務(wù)數(shù)據(jù)相匹配，并按貸款規(guī)模加權(quán)平均到企業(yè)層面，得到“企業(yè)—年份—加權(quán)銀行層面金融科技—企業(yè)層面控制變量—加權(quán)銀行層面控制變量”的面板數(shù)據(jù)。

企業(yè)財務(wù)數(shù)據(jù)來自國泰安數(shù)據(jù)庫、萬得數(shù)據(jù)庫、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和國家統(tǒng)計局，銀行財務(wù)數(shù)據(jù)來自Bankscope數(shù)據(jù)庫和國泰安數(shù)據(jù)庫。本文以文本挖掘法為基礎(chǔ)，綜合運用Python網(wǎng)絡(luò)爬蟲、詞頻分析和綜合指數(shù)法等技術(shù)手段構(gòu)建了銀行層面的金融科技指數(shù)，并將其匹配到企業(yè)層面?；谝陨戏治?，本文對所選取的研究樣本做進一步的篩選：（1）剔除ST、*ST以及PT企業(yè)，剔除2009年的上市公司樣本數(shù)據(jù)；（2）剔除主要數(shù)據(jù)缺失的樣本；（3）剔除上市不足一年或者已經(jīng)退市的企業(yè)。為消除極端值的影響，本文對連續(xù)變量進行1%分位和99%分位的縮尾處理。最終形成包含6284個樣本觀測值的非平衡面板數(shù)據(jù)。

（二）模型設(shè)定與變量定義

參考項后軍和周雄（2022）[35]的研究，本文以全要素生產(chǎn)率水平表征企業(yè)高質(zhì)量發(fā)展水平，構(gòu)建如下回歸模型來分析金融科技對企業(yè)高質(zhì)量發(fā)展的影響：

[TFPit=α0+β1FINTECHit+k=1kγkBANKit+k=1kδkENTi+ui+δt+εit] （1）

其中，[i]表示企業(yè)個體，[t]表示時間；[TFPit]為企業(yè)[i]在[t]年份的全要素生產(chǎn)率水平，具體采用OLS和FE兩種方法進行度量；[FINTECHit]為企業(yè)[i]在[t]年份面對的銀行金融科技水平；[BANKit]為銀行微觀層面控制變量；[ENTi]為企業(yè)層面控制變量；[ui]為個體固定效應(yīng)，用以控制不隨時間變化且不可觀測的企業(yè)固有特征；[δt]為時間固定效應(yīng)，用以控制不隨企業(yè)個體變化且不可觀測的宏觀經(jīng)濟沖擊；[εit]為隨機擾動項。

1. 被解釋變量：企業(yè)全要素生產(chǎn)率。全要素生產(chǎn)率的測度方法主要有五種：一是最小二乘法（OLS），二是固定效應(yīng)方法（FE），三是GMM方法，四是Olley和Pakes（1996）[36]提出的基于一致半?yún)?shù)估計值方法（OP），五是Levinsohn和Petrin（2003）[37]在OP方法基礎(chǔ)上提出的半?yún)?shù)的估計方法（LP）。其中，由于C-D生產(chǎn)函數(shù)結(jié)構(gòu)簡約易用，而且對于規(guī)模經(jīng)濟的測度較為直觀且符合常理，故簡單直接的OLS方法最為經(jīng)典。在OLS方法的基礎(chǔ)之上使用個體固定效應(yīng)回歸方法估計可以解決由于存在殘差而產(chǎn)生的內(nèi)生性問題，進而獲得對生產(chǎn)函數(shù)的一致無偏估計（魯曉東和連玉君，2012）[38]。因此，本研究選取OLS和FE方法測度企業(yè)全要素生產(chǎn)率。

2. 解釋變量：銀行金融科技。金融科技這一概念涉及范圍較廣，涵蓋的前沿技術(shù)和應(yīng)用成果較為龐雜，使得相關(guān)數(shù)據(jù)很難獲得并且難以量化。李逸飛等（2022）[1]和李春濤等（2020b）[13]認為采用新聞媒體對金融科技相關(guān)信息的關(guān)注程度來度量金融科技具有可操作性強、準(zhǔn)確度高的優(yōu)勢，因此，本文采用媒體對金融科技應(yīng)用相關(guān)信息的關(guān)注度來衡量金融科技的發(fā)展。在一定時期內(nèi)，KTG4B/zGhQJ8QWbiF5TmaA6EVr4vOsZz2MCelCjcZYM=關(guān)于特定主題的新聞報道數(shù)量很大程度上反映了這一主題的發(fā)展?fàn)顩r以及社會對其的關(guān)注程度（Askitas和Zimmermann，2015）[39]，因此，可以很好地替代度量銀行金融科技水平。參考郭娜等（2023）[20]的研究，本文以文本挖掘法為基礎(chǔ)（沈悅和郭品，2015）[32]，綜合運用Python網(wǎng)絡(luò)爬蟲、詞頻分析和綜合指數(shù)法等技術(shù)手段構(gòu)建了“銀行—年度”層面的金融科技指數(shù)，并將其匹配到企業(yè)層面。具體構(gòu)建步驟如下：首先，從“金融科技直接稱呼”“底層技術(shù)”“智能營銷”“風(fēng)險防控”以及“運營管理”五個關(guān)鍵維度選取32個與銀行金融科技直接相關(guān)的關(guān)鍵詞（郭娜等，2023）[20]。其次，基于百度搜索引擎資訊板塊的原始信息，借助Python網(wǎng)絡(luò)爬蟲技術(shù)，采用“銀行+關(guān)鍵詞”依次匹配的方式，爬取得到114家銀行在各年度中含有上述關(guān)鍵詞的資訊信息。在此基礎(chǔ)上，借助詞頻分析技術(shù)將上述結(jié)果轉(zhuǎn)化為關(guān)鍵詞詞頻數(shù)據(jù)。最后，采用熵值法將關(guān)鍵詞詞頻數(shù)據(jù)合成“銀行—年度”層面的金融科技發(fā)展指數(shù)（b_fintech）。

本文以企業(yè)每年對應(yīng)貸款銀行的逐筆貸款規(guī)模占總貸款的比重為權(quán)重，將企業(yè)對應(yīng)銀行的金融科技水平進行加權(quán)，得到企業(yè)對應(yīng)銀行綜合金融科技指數(shù)，具體定義為：

[FINTECHit=n=1Nb_fintechitsum_bfintechit×b_sizeitsum_bsizeit] （2）

其中，[b_fintechit]表示企業(yè)[i]在[t]年對應(yīng)銀行[n]的銀行金融科技發(fā)展水平，[sum_bfintechit]表示樣本中所有銀行在[t]年的金融科技發(fā)展水平之和，[b_sizeit]表示企業(yè)[i]在[t]年對應(yīng)銀行[n]的貸款規(guī)模，[sum_bsizeit]表示企業(yè)[i]在[t]年在所有銀行的貸款規(guī)?？偤?。[FINTECHit]取值越大，表示企業(yè)受到銀行金融科技的影響越顯著。

3. 中介變量：企業(yè)融資約束（KZ）、信息不對稱指標(biāo)（ASY）。借鑒Kaplan和Zingales（1997）[40]的思想，計算觀測企業(yè)KZ指數(shù)，并以此作為融資約束的衡量指標(biāo)。KZ指數(shù)構(gòu)造如下：

[KZt=α1×CFtASSETt-1+α2×LEVt+α3×DIVtASSETt-1+α4×CASHtASSETt-1+α5×TobinQt] （3）

其中，[CF]為企業(yè)經(jīng)營性凈現(xiàn)金流，[ASSETt-1]為企業(yè)上年度年初總資產(chǎn)，[DIV]為企業(yè)的現(xiàn)金股利，[CASH]為企業(yè)的現(xiàn)金持有，[LEVt]為企業(yè)資產(chǎn)負債率，[TobinQt]為企業(yè)的托賓Q值。如果[CFtASSETt-1]低于中位數(shù)，則KZ1 取1，否則取0；如果[DIVtASSETt-1]低于中位數(shù)，則KZ2取1，否則取0；如果[CASHtASSETt-1]低于中位數(shù)，則 KZ3取1，否則取 0；如果[LEVt]高于中位數(shù)，則 KZ4取1，否則取0；如果[TobinQt]高于中位數(shù)，則KZ5取1，否則取 0。計算KZ= KZ1+ KZ2+ KZ3+ KZ4+ KZ5。隨后使用有序邏輯回歸（Ordered Logit）模型對各項進行回歸，估計出各個特征的系數(shù)。最后用估計的系數(shù)構(gòu)建KZ指數(shù)。

參考于蔚等（2012）[41]的研究，利用公司個股的交易資料來捕捉證券市場上非知情交易者與知情交易者關(guān)于企業(yè)價值的信息不對稱程度。依據(jù)宋敏等（2021）[11]的構(gòu)建方法，先構(gòu)建流動性比率指標(biāo)LR、非流動性比率指標(biāo)ILL、收益率反轉(zhuǎn)指標(biāo)GAM三個股票流動性指標(biāo)，股票流動性越差，意味著信息不對稱程度越高；然后對LR、ILL、GAM進行主成分分析，構(gòu)建信息不對稱綜合指標(biāo)ASY。在其他條件不變的情況下，信息不對稱程度越高，股票流動性越低，LR、ILL和GAM指標(biāo)越大。

4. 控制變量。在銀行層面，通過逐筆貸款數(shù)據(jù)加權(quán)平均匹配得到銀行層面的控制變量指標(biāo)，具體包括：銀行資產(chǎn)規(guī)模（B_SIZE）、銀行杠桿率（B_LEV）、資產(chǎn)收益率（B_ROA）、不良貸款率（B_NPL）以及銀行成立年份變量（B_YEAR）。企業(yè)層面的控制變量設(shè)定為：企業(yè)資產(chǎn)收益率（ROA）、企業(yè)杠桿率（LEV）、企業(yè)資產(chǎn)規(guī)模（SIZE）、固定資產(chǎn)比重（PFA）以及企業(yè)年齡（AGE）。變量具體名稱及含義如表1所示。

（三）描述性統(tǒng)計

表2報告了各變量的描述性統(tǒng)計結(jié)果。用OLS法計算出的全要素生產(chǎn)率均值為11.180，標(biāo)準(zhǔn)差為1.372，用FE法計算出的全要素生產(chǎn)率均值為11.750，標(biāo)準(zhǔn)差為1.435，略高于OLS法計算的全要素生產(chǎn)率，說明因變量數(shù)據(jù)波動較大。經(jīng)過標(biāo)準(zhǔn)化處理的金融科技指數(shù)FINTECH的均值為0.062。

五、實證分析

（一）基準(zhǔn)回歸結(jié)果

表3匯報了金融科技發(fā)展對企業(yè)高質(zhì)量發(fā)展水平影響的回歸結(jié)果。第（1）—（4）列的因變量為采用OLS法計算的全要素生產(chǎn)率，第（5）—（8）列的因變量為采用FE法計算的全要素生產(chǎn)率。其中，第（1）和（5）列展示了未加入控制變量的回歸結(jié)果，第（2）—（4）列依次為只加入銀行層面控制變量、只加入企業(yè)層面控制變量和加入所有控制變量的回歸結(jié)果，第（6）—（8）列同理。為了確保實證結(jié)果的穩(wěn)健，每列回歸均控制了企業(yè)個體固定效應(yīng)和時間固定效應(yīng)，并且使用企業(yè)聚類效應(yīng)對標(biāo)準(zhǔn)誤進行了修正。

根據(jù)表3，銀行金融科技的系數(shù)在1%水平上均顯著為正，表明金融科技的發(fā)展有利于促進企業(yè)高質(zhì)量發(fā)展，由此驗證了本文假設(shè)1。通過金融科技的應(yīng)用，銀行在業(yè)務(wù)創(chuàng)新和管理創(chuàng)新方面均取得了顯著成效，銀企信息不對稱問題得以緩解，銀行的風(fēng)險承受能力因為金融科技的加持而提升，進而緩解了企業(yè)融資難題，激勵企業(yè)增加研發(fā)創(chuàng)新投入，提高企業(yè)的全要素生產(chǎn)率，最終促進實體經(jīng)濟高質(zhì)量發(fā)展。

（二）影響機制檢驗

為進一步探討金融科技發(fā)展對企業(yè)全要素生產(chǎn)率的影響機制，本文構(gòu)建中介效應(yīng)模型進行實證分析。基于理論分析，選取企業(yè)融資約束程度和信息不對稱程度作為中介變量，并采用KZ指數(shù)和ASY指數(shù)作為代理變量進行回歸。表4報告了回歸結(jié)果。列（1）—（4）中，銀行金融科技的估計系數(shù)顯著為負，表明金融科技的應(yīng)用能有效緩解企業(yè)整體的融資約束。主要原因在于銀行通過運用金融科技，在信貸活動中能夠快速對客戶進行篩選、甄別，從而提升了信貸風(fēng)險管控能力，企業(yè)有更多渠道和更大機會獲取貸款，進而緩解其融資約束，提升全要素生產(chǎn)率，最終實現(xiàn)高質(zhì)量發(fā)展。

列（5）—（8）中，銀行金融科技的系數(shù)在5%的顯著性水平上為負，意味著金融科技的發(fā)展顯著降低了銀企之間的信息不對稱。銀行可以利用金融科技獲取企業(yè)經(jīng)營狀況、財務(wù)狀況、產(chǎn)品市場份額及資金使用效率等方面的真實信息，從而對企業(yè)形成更加全面的認知；同時，銀行能夠通過科技手段確保資金交易過程中信息數(shù)據(jù)的真實性與安全性，進而降低銀企之間的信息不對稱，提升其監(jiān)督治理效應(yīng)。金融科技的運用可以極大地緩解企業(yè)的道德風(fēng)險問題，從而減少銀行的融資限制，進而促使其全要素生產(chǎn)率提高。

（三）內(nèi)生性處理

1. 工具變9vKTIR9Q4zYNO8PJiXtSrg==量法。在基準(zhǔn)回歸模型中，盡管本文已經(jīng)盡可能地控制了對金融科技發(fā)展與企業(yè)高質(zhì)量發(fā)展水平都有潛在影響的因素，但是，仍然無法避免某些無法觀測的因素對研究結(jié)果產(chǎn)生影響。此外，企業(yè)生產(chǎn)力的提高也會帶來對金融科技的更大的需求，二者之間或許存在反向因果關(guān)系。為此，本文引入工具變量解決由遺漏變量、測量誤差和反向因果關(guān)系引起的內(nèi)生問題，分別選擇同一省份規(guī)模相近的銀行金融科技發(fā)展水平（FINTECH_RE） 和各個企業(yè)所在地與杭州的球面距離（DISTANCE）作為工具變量。一方面，規(guī)模相近的銀行通常具有相似的金融科技發(fā)展水平，同一省份又可以保證區(qū)域性質(zhì)趨同，因此，以同一省份規(guī)模相近的銀行金融科技發(fā)展水平作為當(dāng)期金融科技的工具變量，不僅可以體現(xiàn)金融科技水平的絕大部分信息，也與企業(yè)全要素生產(chǎn)率不存在相關(guān)性；另一方面，企業(yè)所在地與杭州球面的距離反映了所在區(qū)域的金融科技發(fā)展環(huán)境，是一個與金融科技有較高相關(guān)性的變量，但企業(yè)全要素生產(chǎn)率水平與其與杭州的球面距離沒有明顯的相關(guān)性，所以企業(yè)與杭州的球面距離符合排他性的條件。

表5第（1）和（2）列匯報的是以企業(yè)所在地與杭州的球面距離作為工具變量的兩階段最小二乘法回歸結(jié)果，第（3）和（4）列匯報的是以企業(yè)所在地與杭州的球面距離和同一省份規(guī)模相近的銀行金融科技兩個變量作為工具變量的兩階段最小二乘法回歸結(jié)果。由表5第（1）列結(jié)果可以看出，企業(yè)所在地與杭州的球面距離的回歸系數(shù)顯著為負，說明企業(yè)所在地距離杭州越遠，受到金融科技發(fā)展水平的影響越?。涣校?）的回歸結(jié)果顯示，金融科技變量的系數(shù)在1%的水平上顯著為正，說明在糾正了潛在的內(nèi)生性偏差后，金融科技和企業(yè)高質(zhì)量發(fā)展水平的關(guān)系仍保持不變。同樣地，由表5第（3）和（4）列結(jié)果可以看出，同一省份規(guī)模相近的銀行金融科技對金融科技的影響顯著為正，同時用第一階段回歸的預(yù)測值來代替金融科技變量進行第二階段回歸，回歸系數(shù)仍顯著為正，金融科技和企業(yè)全要素生產(chǎn)率之間的關(guān)系仍保持不變。

2. GMM動態(tài)面板分析。為了解決異方差和內(nèi)生性問題，同時考慮到企業(yè)全要素生產(chǎn)率提升是一個動態(tài)持續(xù)的過程，可能存在序列相關(guān)的問題，本文進一步構(gòu)建了動態(tài)面板模型，在模型中加入企業(yè)要素生產(chǎn)率的滯后項并使用系統(tǒng)GMM回歸，結(jié)果如表6所示。AR（1）和AR（2）的檢驗結(jié)果表明隨機擾動項一階自相關(guān)假設(shè)通過了10%的顯著性檢驗，但是二階自相關(guān)假設(shè)被拒絕了，表明模型通過了序列相關(guān)性檢驗。Hansen檢驗的P值顯著大于0.1，表明模型通過了過度識別檢驗。企業(yè)全要素生產(chǎn)率滯后一期（L.TFP_FE）的回歸系數(shù)顯著為正，且通過了1%的顯著性水平檢驗，表明企業(yè)全要素生產(chǎn)率水平存在持續(xù)性。金融科技的系數(shù)顯著為正，意味著在考慮了企業(yè)全要素生產(chǎn)率水平序列相關(guān)特征后，金融科技對企業(yè)全要素生產(chǎn)率的正向影響仍然存在，證明基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

3.控制滯后效應(yīng)。金融科技從申請到具體應(yīng)用再到傳導(dǎo)至企業(yè)需要一定時間，因此，本文將金融科技分別滯后1—4期考察其滯后效應(yīng)，回歸結(jié)果如表7所示。金融科技滯后1期和滯后3期對企業(yè)全要素生產(chǎn)率的促進作用仍然顯著，說明金融科技對企業(yè)全要素生產(chǎn)率的促進效應(yīng)存在一定的長期特征。

（四）穩(wěn)健性檢驗

1. 更換企業(yè)全要素生產(chǎn)率的衡量指標(biāo)。除了OLS和FE方法，OP和LP方法亦能克服同時性偏差的問題，同時可以更加靈活地使用可獲變量。因此，本文分別采取這兩種方式重新構(gòu)建企業(yè)高質(zhì)量發(fā)展水平指數(shù)并進行回歸。

2. 剔除特定樣本。受新冠疫情的影響，2020年很多公司停工停產(chǎn)，阻礙了企業(yè)全要素生產(chǎn)率的提高。為此，刪除2020—2021年的樣本后再次回歸。穩(wěn)健性檢驗結(jié)果如表8所示，本文主要結(jié)論仍然不變。

（五）異質(zhì)性分析

1. 企業(yè)規(guī)模異質(zhì)性。大企業(yè)擁有得天獨厚的融資優(yōu)勢，而中小企業(yè)融資一直面臨著“規(guī)模歧視”問題，融資受限成為制約中小企業(yè)全要素生產(chǎn)率提升的瓶頸，不同規(guī)模企業(yè)全要素生產(chǎn)率受到金融科技的影響可能不同。為此，將企業(yè)按照規(guī)模分為大型企業(yè)、中型企業(yè)和小型企業(yè)進行分類探討，分類方法為對所有樣本企業(yè)按資產(chǎn)規(guī)模進行三等分。實證結(jié)果如表9所示。金融科技對中型和小型企業(yè)全要素生產(chǎn)率的回歸系數(shù)顯著為正，對大型企業(yè)的影響不顯著，說明金融科技強化了對中小企業(yè)的金融支持，可以顯著緩解中小企業(yè)的融資約束，進而提升其全要素生產(chǎn)率。

2. 企業(yè)所有制類型異質(zhì)性。國有企業(yè)在信貸市場享有得天獨厚的優(yōu)勢，而私營企業(yè)或混合所有制企業(yè)卻在融資過程中面臨著“所有制歧視”，得不到有效的金融支持（宋敏等，2021）[11]，這嚴(yán)重阻礙了全要素生產(chǎn)率的提升。為此，本文將樣本企業(yè)分為國有企業(yè)、混合所有制企業(yè)和私營企業(yè)三類，分組回歸結(jié)果如表9所示。金融科技對混合所有制企業(yè)和私營企業(yè)的全要素生產(chǎn)率的影響系數(shù)均顯著為正，而在國有企業(yè)組的回歸系數(shù)不顯著。從數(shù)值上看，相比于混合所有制企業(yè)，金融科技對私營企業(yè)的正向影響更大。

（六）進一步分析：銀企金融科技的協(xié)同效應(yīng)

銀行作為金融科技的主要推動者，其應(yīng)用不僅限于內(nèi)部系統(tǒng)升級，更在于與企業(yè)金融科技發(fā)展的深度融合與協(xié)同。實際上，銀企之間的雙向一致性在企業(yè)高質(zhì)量發(fā)展中扮演著重要角色，有助于銀企雙方通過數(shù)字化渠道獲取信息，降低銀企之間的信息不對稱，使企業(yè)獲得更優(yōu)渥的借貸條件。因此，本文認為銀企金融科技發(fā)展一致性能夠強化銀行金融科技對企業(yè)全要素生產(chǎn)率的促進作用。為了驗證該結(jié)論，本文將企業(yè)金融科技發(fā)展水平（C_FINTECH）和銀企金融科技一致性（BC_FINTECH）③分別作為調(diào)節(jié)變量，檢驗銀企金融科技發(fā)展的協(xié)同效應(yīng)?；貧w結(jié)果如表10所示。第（2）列中企業(yè)金融科技發(fā)展與銀行金融科技的交互項系數(shù)顯著為正，與xbdPvdcFAKbTaAdClnmyoQg1Bxm10dXo0BVBQ1ysDcU=基準(zhǔn)回歸中銀行金融科技的回歸系數(shù)符號一致，說明銀企金融科技發(fā)展之間具有顯著的協(xié)同效應(yīng)，即企業(yè)金融科技發(fā)展表現(xiàn)提升能夠強化銀行金融科技對企業(yè)全要素生產(chǎn)率的促進效果。第（3）列中銀企金融科技發(fā)展一致性與銀行金融科技的交互項顯著為正，說明銀企金融科技發(fā)展一致性能夠強化對企業(yè)全要素生產(chǎn)率的提升作用。銀行與企業(yè)一致推動金融科技應(yīng)用，可以促進信息共享與透明度提升，有助于強化銀行對企業(yè)資金運用和流轉(zhuǎn)的監(jiān)督作用，正反饋于企業(yè)的經(jīng)營和創(chuàng)新活動，進而推動企業(yè)全要素生產(chǎn)率提高，助力企業(yè)高質(zhì)量發(fā)展。

六、結(jié)論及政策建議

本文著眼于銀行內(nèi)部金融科技，運用Python網(wǎng)絡(luò)爬蟲和詞頻分析等技術(shù)手段，構(gòu)建能夠反映銀行個體差異的銀行層面金融科技發(fā)展指數(shù)，并匹配生成企業(yè)層面的銀行金融科技指數(shù)，從而在此基礎(chǔ)上實證檢驗銀行金融科技應(yīng)用對企業(yè)高質(zhì)量發(fā)展水平的影響。實證結(jié)果表明：第一，銀行金融科技的應(yīng)用顯著促進了企業(yè)高質(zhì)量發(fā)展，該結(jié)論經(jīng)內(nèi)生性處理和穩(wěn)健性檢驗后仍然成立。第二，企業(yè)的融資約束在銀行金融科技對企業(yè)全要素生產(chǎn)率的影響中發(fā)揮了顯著的中介作用，金融科技可以通過緩解企業(yè)的融資約束促進企業(yè)高質(zhì)量發(fā)展。同時，銀行金融科技應(yīng)用具有監(jiān)督治理效應(yīng)，能通過提高銀行信息甄別能力、促進企業(yè)內(nèi)部管理水平提升進而緩解銀企之間的信息不對稱，最終促進企業(yè)全要素生產(chǎn)率增長。第三，金融科技在中小企業(yè)和非國有企業(yè)中對企業(yè)高質(zhì)量發(fā)展表現(xiàn)出更強的促進作用。第四，銀企金融科技發(fā)展具有顯著的協(xié)同效應(yīng)，銀企金融科技一致性促進了企業(yè)高質(zhì)量發(fā)展。

基于上述結(jié)論，提出如下建議：第一，充分利用好金融科技的“賦能”功效，推動銀行金融科技發(fā)展，進而完成銀行業(yè)數(shù)字化轉(zhuǎn)型。第二，充分發(fā)揮金融科技的優(yōu)勢，降低金融服務(wù)門檻，將金融服務(wù)的觸角延伸到受傳統(tǒng)金融服務(wù)排斥的中小微企業(yè)，緩解企業(yè)在研發(fā)、生產(chǎn)、經(jīng)營過程中遇到的融資困難。第三，企業(yè)應(yīng)將金融科技創(chuàng)新思維融入組織與制度創(chuàng)新之中，充分發(fā)揮銀企金融科技發(fā)展協(xié)同優(yōu)勢，不斷提升全要素生產(chǎn)率，為整個社會的高質(zhì)量發(fā)展助力。

注：

①工業(yè)化階段的劃分在這里特指前工業(yè)化階段、工業(yè)化初期和工業(yè)化中期等三個階段。企業(yè)全要素生產(chǎn)率增速數(shù)據(jù)來源于國家統(tǒng)計局和國家發(fā)展和改革委員會。

②中國人民銀行每年度公布的“銀行科技發(fā)展獎”可以反映銀行業(yè)科技創(chuàng)新的最新進展，本文通過手動搜集整理歷年 “銀行科技發(fā)展獎”獲獎項目發(fā)現(xiàn)，2009年起大型國有商業(yè)銀行陸續(xù)開始構(gòu)建自身IT體系，金融科技的發(fā)展開始起步。此后年份的獲獎項目中與先進IT技術(shù)有關(guān)的科技創(chuàng)新項目逐漸增多，金融科技在銀行內(nèi)部的應(yīng)用越來越普遍。

③企業(yè)金融科技發(fā)展水平：與構(gòu)建銀行金融科技指標(biāo)方法相似，本文以文本挖掘法為基礎(chǔ)，綜合運用Python網(wǎng)絡(luò)爬蟲、詞頻分析和綜合指數(shù)法等技術(shù)手段，基于企業(yè)年報中的數(shù)據(jù)和信息，構(gòu)建了“企業(yè)—年度”層面的金融科技指數(shù)；銀企金融科技發(fā)展一致性：將銀行金融科技和企業(yè)金融科技發(fā)展水平歸一標(biāo)準(zhǔn)化后，取銀行金融科技與企業(yè)金融科技發(fā)展水平的差值作為銀企金融科技發(fā)展一致性的代理變量。

參考文獻：

[1]李逸飛，李茂林，李靜. 銀行金融科技、信貸配置與企業(yè)短債長用 [J].中國工業(yè)經(jīng)濟，2022，415（10）.

[2]Wang R，Liu J，Luo R H. 2021. Fintech Development and Bank Risk Taking in China [J].The European Journal of Finance，27.

[3]顧海峰，楊立翔. 互聯(lián)網(wǎng)金融與銀行風(fēng)險承擔(dān)：基于中國銀行業(yè)的證據(jù) [J].世界經(jīng)濟，2018，41（10）.

[4]李春濤，閆續(xù)文，宋敏，楊威. 金融科技與企業(yè)創(chuàng)新——新三板上市公司的證據(jù) [J]. 中國工業(yè)經(jīng)濟，2020（01）.

[5]Song Z，Wu G L. 2015. Identifying Capital Misallocation [R].Working Paper of the University of Chicago.

[6]蔡昉.中國經(jīng)濟增長如何轉(zhuǎn)向全要素生產(chǎn)率驅(qū)動型 [J].中國社會科學(xué)，2013，（01）.

[7]梅冬州，楊龍見，高崧耀. 融資約束、企業(yè)異質(zhì)性與增值稅減稅的政策效果 [J].中國工業(yè)經(jīng)濟，2022，410（05）.

[8]郭曄，未鐘琴，方穎.金融科技布局、銀行信貸風(fēng)險與經(jīng)營績效——來自商業(yè)銀行與科技企業(yè)戰(zhàn)略合作的證據(jù) [J].金融研究，2022，（10）.

[9]肖文，薛天航. 勞動力成本上升、融資約束與企業(yè)全要素生產(chǎn)率變動 [J].世界經(jīng)濟，2019，（1）.

[10]陳中飛，江康奇. 數(shù)字金融發(fā)展與企業(yè)全要素生產(chǎn)率 [J].經(jīng)濟學(xué)動態(tài)，2021，（10）.

[11]宋敏，周鵬，司海濤. 金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國工業(yè)經(jīng)濟，2021，（04）.

[12]趙宸宇，王文春，李雪松. 數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率 [J].財貿(mào)經(jīng)濟，2021，42（07）.

[13]李春濤，張計寶，張璇. 年報可讀性與企業(yè)創(chuàng)新[J].經(jīng)濟管理，2020，42（10）.

[14]蔡慶豐，王瀚佑，李東旭. 互聯(lián)網(wǎng)貸款、勞動生產(chǎn)率與企業(yè)轉(zhuǎn)型——基于勞動力流動性的視角 [J].中國工業(yè)經(jīng)濟，2021（12）.

[15]宋敏，司海濤，周鵬，劉華珂.金融科技發(fā)展能否促進銀行創(chuàng)新？——信息賦能與產(chǎn)業(yè)競爭的視角 [J/OL].南開管理評論，2023-04-04.

[16]周雷，寧心怡，宋佳佳，張鑫.金融科技創(chuàng)新如何促進實體經(jīng)濟高質(zhì)量發(fā)展——基于金融服務(wù)效率的機制分析與空間計量 [J].金融發(fā)展研究，2024，（01）.

[17]Cheng M Y，Qu Y. 2020. Does Bank Fintech Reduce Credit Risk？ Evidence from China [J].PacificBasin Finance Journal，63（10）.

[18]郭品，沈悅. 互聯(lián)網(wǎng)金融、存款競爭與銀行風(fēng)險承擔(dān) [J].金融研究，2019，（08）.

[19]金洪飛，李弘基，劉音露. 金融科技、銀行風(fēng)險與市場擠出效應(yīng) [J].財經(jīng)研究，2020，46（05）.

[20]郭娜，張駿，陳東暉. 金融科技、銀行風(fēng)險容忍度與流動性囤積 [J].金融論壇，2023，28（04）.

[21]Sheng T. 2021. The Effect of Fintech on BANKs’ Credit Provision to SMEs： Evidence from China [J].Finance Research Letters，39.

[22]邱晗，黃益平，紀(jì)洋. 金融科技對傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財?shù)囊暯?[J].金融研究，2018，（11）.

[23]盛天翔，范從來. 金融科技、最優(yōu)銀行業(yè)市場結(jié)構(gòu)與小微企業(yè)信貸供給 [J].金融研究，2020，（06）.

[24]李真，李茂林，朱林染. 銀行金融科技與企業(yè)金融化：基于避險與逐利動機 [J].世界經(jīng)濟，2023，46（04）.

[25]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機制識別與金融監(jiān)管下的效應(yīng)差異 [J].管理世界，2020，36（05）.

[26]張金清，李柯樂，張劍宇. 銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？ [J].財經(jīng)研究，2022，48（01）.

[27]Caggese A，Cunat V. 2013. Financing Constraints，F(xiàn)irm Dynamics，Export Decisions，and Aggregate Productivity [J].Review of Economic Dynamics，16（1）.

[28]侯層，李北偉. 金融科技是否提高了全要素生產(chǎn)率——來自北京大學(xué)數(shù)字普惠金融指數(shù)的經(jīng)驗證據(jù) [J].財經(jīng)科學(xué)，2020，（12）.

[29]徐曉萍，李弘基，戈盈凡. 金融科技應(yīng)用能夠促進銀行信貸結(jié)構(gòu)調(diào)整嗎？——基于銀行對外合作的準(zhǔn)自然實驗研究 [J]. 財經(jīng)研究，2021，47（06）.

[30]Banna H，Kabir Hassan M，Rashid M. 2021. Fintech-based Financial Inclusion and Bank Risk Taking： Evidence from OIC Countries [J].Journal of International Financial Markets.Institutions and Money，75（6）.

[31]劉俏.中國經(jīng)濟有沒有可能再創(chuàng)造一個奇跡？ [J].北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，57（02）.

[32]沈悅，郭品. 互聯(lián)網(wǎng)金融、技術(shù)溢出與商業(yè)銀行全要素生產(chǎn)率 [J].金融研究，2015，（03）.

[33]黃銳，賴曉冰，唐松.金融科技如何影響企業(yè)融資約束？——動態(tài)效應(yīng)、異質(zhì)性特征與宏微觀機制檢驗 [J].國際金融研究，2020，（06）.

[34]楊豐來，黃永航.企業(yè)治理結(jié)構(gòu)、信息不對稱與中小企業(yè)融資 [J].金融研究，2006，（05）.

[35]項后軍，周雄. 流動性囤積視角下的影子銀行及其監(jiān)管 [J].經(jīng)濟研究，2022，57（03）.

[36]Olley G S，Pakes A. 1996. The Dynamics of Productivity in The Telecommunications Equipment Industry[J].Econometrica，64（6）.

[37]Levinsohn J，Petrin A. 2003. Estimating Production Functions Using Inputs to Control for Unobservables [J]. Review of Economic Studies.

[38]魯曉東，連玉君. 中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999—2007 [J].經(jīng)濟學(xué)（季刊），2012，11（02）.

[39]Askitas N，Zimmermann K F. 2015. The Internet as A Da162e215b47e7f89ded7befdeba8b51f393922fb3ab668a05b728e1d8db9bd62fta Source for Advancement in Social Sciences [J].International Journal of Manpower，36（1）.

[40]Kaplan S N，Zingales L. 1997. Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints？ [J].The Quarterly journal of Economics，112（1）.

[41]于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應(yīng)與資源效應(yīng) [J].經(jīng)濟研究，2012，47（09）.