金融科技发展如何影响非金融类企业数字化转型——基于文本分析方法的实证研究

金融科技发展如何影响非金融类企业数字化转型——基于文本分析方法的实证研究

邱宇洲

深圳大学-微众银行金融科技学院  深圳 518060

【摘要】数字经济时代，金融科技发展显著改善企业的融资状况，助力企业高质量发展。本文基于中国A股2007-2021年上市公司数据，从理论层面梳理了金融科技发展对于非金融业公司的影响并在微观层面构建了金融科技发展指标。从结果来看，金融科技发展显著促进非金融业公司的数字化转型进程，并经过了稳健性检验。从异质性分析的角度来看，金融科技发展尤其是对大型企业或国有企业的数字化转型有显著的影响。从影响机制上来看，金融科技通过降低企业的融资约束、助力企业高素质人才引进来实现促进企业数字化转型。本文还通过58万余篇的企业相关报道进行金融科技对企业数字化转型质量的影响分析，研究表明金融科技发展显著促进企业数字化转型质量的提升。

【关键词】金融科技、企业数字化转型、融资约束

一、引言

数字技术是新一轮科技革命的核心技术，数字经济也成为新发展阶段促进经济高质量发展的重要助推器。[1]中国产业门类齐全，在数字化转型中具有独特的路径优势。党的二十大报告中提出“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”企业作为微观实体进行数字化转型是推行国家数字化战略的有力抓手。

目前，我国已有诸多学者研究数字化转型对于企业的积极作用。但根据艾瑞咨询发布的《2022年中国大型企业数字化升级路径研究》以及《2022年中国中小微企业数字化转型路径研究报告》，中国的企业数字化转型比例约为25%，远低于欧洲的46%和美国的54%。而中小微企业在数字化转型中面临的困境则更加突出。在其中企业融资难是企业进行数字化升级的关键问题。企业难以满足要求传统银行的贷款要求，特别是轻资产的科技类企业，进而导致数字化转型预算投入不足。与此同时部分企业也没有足够的科技IT人才储备，当希望进行数字化转型时需要临时花费高昂的人工成本来招募科技类人才，这又陷入了资金不足的问题。金融作为实体经济发展的重要助推器，传统金融业难以在当下环境中为企业助力。因而用金融科技赋能传统金融迫在眉睫。通过对大数据、云计算、人工智能、区块链等技术的深度运用，提升金融业企业分析与使用数据的能力，为优质企业提供更高的融资额度，降低其融资约束，助力其完成数字化转型。

二、理论机制与假说提出

1. 文献回顾

中国的金融体系是银行主导型，银行信贷是企业外部融资的首要来源。[2]因此我国金融科技的应用想要促进至企业的发展，解决传统企业外部融资的问题取决于我国传统金融机构对于金融科技的重视程度。根据金融稳定理事会的定义 ，“金融科技”是指通过技术手段推动金融创新，形成对金融市场、机构及金融服务产生重大影响的商业模式、技术应用、业务流程和创新产品。金融业金融科技的发展，能够降低银企之间的信息不对称问题[3]、在不提高违约率的情况下提高贷款的处理速度[4]、与完善传统金融机构的信用评估和风控系统。

在企业数字化发展层面，虽然目前学界对于数字化转型的定义与内涵还缺乏共识，但在近年来已经有诸多研究表明，数字化转型对企业有显著的促进作用。在企业生产的角度，企业数字化提高全要素生产率[5]、促进专业化分工水平[6]；在企业资本市场的角度，企业数字化转型显著提高了企业的股票流动性[7]；但也有学者提出，在企业的数字化转型道路中，人才，融资渠道是阻碍企业数字化转型的关键因素，对于数字化高昂的投入让许多企业望尘莫及。

通过以上研究可以发现，金融科技与企业的数字化转型存在一定的关联性：金融科技能够加快金融业银行业公司的放贷速度，降低银企间的信息不对称问题，缓解企业的融资压力，而希望数字化转型的公司又面临着资金约束的困难。但是上述文献并未清晰展现金融科技和企业数字化转型之间的关系和影响机制，因此也为本文分析提供了方向。

2.假说提出

第一，金融科技可以将降低企业的融资约束促进企业数字化转型。首先在企业层面，《中国产业数字化报告（2020）》指出，数字化改造成本偏高、自身资金储备不足造成企业数字化转型“不能转”。企业数字化转型是一项周期长、投资大的复杂系统工程，从软硬件购买到系统运行维护都需要庞大的资金支持。进而在金融业企业层面，其一，金融科技帮助金融企业更全面的接受需要贷款的企业信息。金融科技帮助银行与企业之间缓解信息不对称导致信贷配给过低的问题，在数量上降低了企业平均的融资约束水平[3]，并通过现代化科技拓宽金融机构获取信息的渠道，显著扩大传统金融机构获取信息的范围[8]。其二、金融科技促进金融企业接受企业信息精确化。金融科技可以分为信息处理技术和信息收集技术，在这两类技术的加持下，银行能够更精确地区分出坏公司，减少坏账的产生[9]。基于以上研究，本文提出假说一和假说二。

假说一：金融科技发展促进非金融业企业的数字化转型。

假说二：金融科技通过降低融资企业融资约束，促进非金融业企业的数字化转型。

第二、金融科技通过提高企业内部高素质人才比例促进企业数字化转型。同样根据《中国产业数字化报告(2020)》指出，由于企业数字化人才储备不足致使企业面对数字化转型时“不敢转”。而高新技术人才招募需要较高的人力成本。从设备更新换代到人力资源培训，都需要持续资金的投入。在巨额资金压力下，企业会降低自身投入研发资金的信心，减缓数字化进程。而金融科技的发展恰恰能给企业提供较好的融资渠道，缓解企业在发展过程中的资金压力。基于上述分析，本文提出如下假说。

假说三：金融科技通过提高企业内部高素质人才比例，促进企业的数字化转型。

三、模型设计和数据说明

1.数据来源

本文选取 2007~2021 年沪深 A 股上市公司的数据为初始研究样本，并对该数据进行了如下处理：第一，剔除ST和期间退市的样本；第二，剔除在考察年限中进行 IPO 的企业；第三，本文仅保留了那些至少连续 5 年不存在数据缺失的样本；第四，为减少异常值影响，本文对所有微观层面的连续变量进行 1%和 99%的缩尾处理；第五，剔除金融类企业。原始企业数据来自国泰安数据库（CSMAR）以及万德（Wind）系统数据库，企业新闻报道相关数据来源于Wisesearch汇科数据库。本文研究使用的软件为stata17。

（1）被解释变量

企业数字化发展水平（Digdegree），采用吴非等（2021）的上市企业数字化转型指数进行衡量。该数据是广东金融学院参考经典文献归纳整理出特定的数字化关键词，并以多项权威报告以及政府工作报告为蓝本进一步拓展特征词。随后通过 Python 爬虫功能归集整理了上海交易所、深圳交易所全部 A 股上市企业的披露的年度报告，统计数字化关键词的加总词频获得的数字化程度指标。在本文中该数字化发展水平的分析仅面向非金融类企业的数字化转型程度。

（2）核心解释变量

金融科技发展水平（Findegree）。目前对金融科技发展的衡量指标仍缺更加具体的泛化的分析思路，部分学者在这方面做了有益的尝试。邱晗（2018）使用中国数字金融普惠指数作为金融科技的代理变量，此指标取决于支付宝个人业务的发展情况，而对金融机构侧的金融科技发展较难以度量；王小燕（2019）构造金融科技原始词库，词库中关键词在百度的搜索量平均值作为金融科技的衡量指标，此指标仅能反应网民以及大环境对金融科技的普遍关注度；巴曙松等（2020）使用各省份金融科技研发投入费用作为金融科技规模的代理变量，但这一指标是参照杨子荣和张鹏杨（2018）对于金融结构规模和金融结构活力来构建的，其是否能聚焦到银行对于金融科技的投入存在一定的疑问；宋敏（2021）使用地级市金融科技公司数量测度地区金融科技发展水平，此指标会因新兴的普惠金融科技公司发展造成干扰，而我国金融科技的发展，更加依赖传统大体量金融公司对于科技的重视而此指标难以量化传统大体量金融公司在金融科技方向的战略布局。

金融科技能够让金融行业从传统的抵押贷款模型中解放出来，充分利用数字化技术分析手段，对借款人进行除抵押资产外的新评估模式，建立更完善的风控模型。本文充分考虑吴非（2021）、赵宸宇（2021）、王小燕（2019）的金融科技衡量关键词，使用上市金融公司金融科技建设程度，并按照年份进行加总，获得金融科技发展水平指标。该指标使用吴非等人企业数字化转型关键词中人工智能技术、大数据技术、云计算技术、区块链技术和数字技术的关键词加总，分析上市金融公司的年报，获取相关关键词在年报中出现的词频。最终把我国A股所有的上市金融公司的金融关键词数量加总，即为金融科技发展水平指标。该指标是对金融科技发展更为全面的度量。由于样本中是2007年以前上市且2007-2022无经营异常情况的金融机构，此类机构均为我国较大体量的金融机构，其金融科技的发展是我国金融科技发展的主要体现。此类大体量金融企业不同于一般上市公司，其拥有充裕的资金，根据银保监会发布2022年二季度银行业保险业主要监管指标数据情况。2022年上半年，商业银行（法人口径，下同）累计实现净利润1.2万亿元。可见大体量金融上市公司金融科技转型并无太强资金约束，是否向金融科技方向发展决定权在于战略管理层面是否重视。

（3）控制变量

为提高研究精度，本文加入了一系列控制变量。包括企业年龄（Age）、企业规模（Size）、专利和发明数量（PandI）、流动比率（Cur，流动资产/流动负债）、存货周转率（Ind）、审计意见类型（Aud）、员工人数（staff）。

表1 描述性统计

2.模型设定

根据以上理论分析，本文设定一下基准回归模型：

其中，Digdegree是被解释变量，表示非金融业企业数字化转型程度，Findegree是解释变量，表示金融科技发展程度，Controls是控制变量，分别为行业、年份和个体固定效应，ε 表示残差项，i 表示企业，t 表示年度。

3.基本回归分析

表2报告了“金融科技发展—非金融业数字化转型”关系的核心检验结果。列（1）和 （2）结果显示，在加入控制变量前后系数 在1%水平上显著为正，表明金融科技能促进非金融业企业数字化转型；在此基础上分别加入个体、时间和行业固定效应后回归，列（3） 和（4）的回归结果显示系数 在 1% 水平上仍然显著为正，进一步表明金融科技发展能促进非金融业企业的数字化转型，本文假设一成立。金融科技发展增加了传统金融业公司的获取企业信息的渠道，完善了传统金融企业的风控模型，拓宽了非金融业企业的融资限制，充沛的资金有助于非金融业企业开展数字化转型

表2 基本回归结果

4.稳健性检验

当发生全球范围内的突发事件与重大金融冲击，企业的数字化转型与金融科技的发展水平会产生重大影响。同时金融业企业也不例外，该时点的企业总目标将是平稳过渡危机，科技相关技术的发展将会暂时停滞。忽略对这类因素的探讨，容易造成一定的内生性干扰。在本文样本数据的时间序列中，存在国际国内三个重要的突发事件冲击，一是2008年的国际金融危机；二是2015年的中国股灾；三是，2020年新冠疫情。现有文献难以通过变量构建的方式来吸收这类因素的影响。基于此，本文借鉴唐松等（2020）的研究，将金融危机因素进行剔除：其一，剔除国际金融危机的影响，考虑到危机的后效性特征，本文删除了2009 年和 2010 年的企业样本；其二，在剔除国际金融危机的基础上，进一步剔除中国股灾的影响。同时，为了减少新冠疫情带来的影响，本文删除了2020年的企业样本。

表3 稳健性检验结果

从回归结果来看，加入控制变量后系数 Findegree在1%水平上显著为正，表明在剔除异常值后，金融科技有助于非金融也企业数字化转型的结论成立，本文假设一再次得到验证。

5.异质性分析

在基准回归中，本文对2007~2021的非金融企业全样本进行了分析。但是值得注意的是由于企业本身的类型不一致，可能导致金融科技的发展对其的影响产生差异，为了验证以上的猜想，本文将对根据企业的属性对企业进行分类，对不同类型的样本进行分样本检测。

从表4中列（1）、列（2）和列（3）按照企业规模的划分样本分析中可以发现，金融科技对不同规模的企业数字化转型均有显著的促进作用。从系数的角度，企业的规模越大，金融科技发展对其数字化转型的助力也就越大。原因在于大型企业相较小型企业技术沉淀多、技术人员储备更加充沛，当有提供足够的资金支持时能较快地结合自身优势对自身产业进行数字化转型。同时大型企业需要更加专业的管理层组织来管理复杂业务。这类管理型人才会对国家战略和集团方向有更清晰的认知，更容易理解数字化对于企业长期发展的好处。综上大型企业能够更好的运用金融科技的助力。

从表4的列（4）和列（5）按照企业体制的划分样本分析中可以发现，金融科技发展对地方性、中央国企的促进显著，但是对非国企的线性回归尽管系数为正值，但是t值偏小，回归分析并不显著。本文认为，国企由于其良好的信用条件与背书，更容易获得金融科技发展的助力，能更大力度缓解其融资困境。相较于国有企业的其他企业如民营企业、外资企业等，其部分技术储备和人才条件将逊色于国企，且没有了国企的信誉保障，融资渠道在一定程度上出现限制。

表4 企业类型异质性检验

四、机制路径的识别检验

1.中介变量的设定

融资约束水平（SA）。在对企业融资约束的测量上本文采用了Hadlock and Pierce（2010）构建的SA指数作为代理变量，该代理变量通过企业财务报告划分企业融资约束类型，并仅依靠企业规模和企业年龄两个时间相关性低且具有强外生性的变量所构建，易于计算且相对稳定[16]。该指数的计算公式为：

本科人数占比（BK）。此处本科人数占比的统计方法为。

2.机制识别路径

根据假设二和假设三，本文借鉴温忠麟和叶宝娟（2014）的中介效应检验方法，设计如下传导机制模型（4）和（5）

其中，是中介变量，分别为融资约束（SA）和本科人数占比（BK） 。通过对模型（4）中系数和模型（5）中系数的显著性识别融资约束和本科人数占比的中介效应，并且分别使用 Sobel 和 Bootstrap 进行检验，最终分析假设二和假设三是否成立。

本文从融资约束和本科人数占比两大维度分析金融科技对企业数字化转型的影响机制。

首先，融资约束作为中介变量的机制分析。按照上述方法将融资约束（SA）作为中介变量进行回归，结果如表6列（1）和（2）所示。回归结果表明，融资约束会降低企业数字化水平的进程，而金融科技发展可以减少融资约束，进而减少融资约束带给企业数字化转型的影响。其中融资约束起到了部分中介效应作用，本文假设二初步成立。Sobel 和 Bootstrap 检验结果表明研发投入的中介效应存在，因此本文假设二验证成立。能够产生中介效应的原因在于:企业的数字化转型需要长期且充足的外源资金，由于金融科技发展带来金融产品与服务，拓宽企业的融资渠道，改善企业的融资困境（王小燕等，2019）。因而有效的降低了企业的融资约束水平，促进了企业的数字化转型。

其次，本科人数占比作为中介变量的机制分析。将人才引进（BK）作为中介变量代入模型（3）和（4）后回归，结果如表6列（3）和（4）所示。列（3）的系数 Findegree在1%水平上显著为正，表明金融科技发展能促进非金融业企业提高本科人数的招收比率; 列（3）的系数 BK 在1%水平上显著为正，表明金融科技发展通过增加企业高知识水平的人群比例促进了企业数字化转型，其中本科人数占比起到了部分中介效应，本文假设三初步成立。针对上述结果，本文先进行Sobel检验，验证了本科人数占比的中介效应存在; 再使用 Bootstrap 检验，在500次抽样后回归结果显示95%置信区间为[0.0011,0.0016] (区间结果不包含0)，再次验证本科人数占比的中介效应存在，本文假设三验证成立。能够产生中介效应的原因在于:当面临数字化变革时，数量充沛的高素质的科技人才，能够显著促进企业的数字化转型，而金融科技发展能够为企业增加引入技术人才的资金，进而促进企业的数字化转型。

表5 中介效应结果表

六、金融科技发展对企业数字化转型质量的影响

由于前文的企业数字化转型指标是吴非等构建的企业年报相关关键词的指标，此指标能够衡量企业在数字化层面的布局与战略，是衡量企业对数字化重视程度的重要展现。

与此同时若希望对企业数字化布局的研究，不仅停留在战略层面，还希望研究其实际的落地情况，则需要一个衡量企业数字化转型成果的指标。本文尝试通过我国官方媒体对企业的数字化转型情况的新闻报道来反映企业数字化转型质量，并基于此建立指标（Digquality）。对此类新闻进行抽检可以发现，当企业有数字化落地项目或突出表现时，官方才会对该企业进行报道，即企业从数字化转型策略变为了企业数字化落地项目，因而本文借此构造企业的数字化转型质量指标。以下是企业数字化转型质量指标的建立过程。

1. 确定我国省级以上的官方报刊。选择报刊报道原因在于网络新闻的权威性难以保证，但我国省级以上的官方报刊登稿均需要严格审核。最终确定的报刊为：人民日报、光明日报、经济日报等共计42家报社。
2. 通过RPA辅助手动下载的方式，在慧科搜索（Wisesearch）中下载上述非金融类上市公司2007年至2022年的相关报道，最终共计获得58万余篇报道。
3. 对每篇报道进行分句，对分句中搜索目标上市公司的名称以及通过wind获取的公司曾用名和简写，并判断该句是否含有数字化关键词，若含有则标记为对该年份被搜索到的企业数字化转型质量加一。不在同一报道中对重复出现的数字化关键词累加。
4. 删除句中包含否定词的句例。

表6 企业数字化转型质量描述性统计

将获取到的企业数字化转型质量（Digquality）替换企业数字换转型程度（Digdegree）作为被解释变量，进行基准回归分析。

表7 企业数字化转型质量基本回归

表7报告了“金融科技发展—非金融业数字化转型”关系的核心检验结果。列（1）和（2）结果显示，在加入固定效应前后系数 在1%水平上显著为正，表明金融科技能促进非金融业企业数字化转型质量提高。由于报告的不确定性，因而难以对报告的数量进行预测导致较小的R2。但通过P值的显著性在一定程度上印证了金融科技发展，不仅促进了企业数字化转型战略的重视，还提高了企业数字化转型质量，即促进了企业数字化转型落地。

七、总结和建议

1.总结

本文基于中国A股2007-2021年非金融业上市公司作为研究样本，先从理论层面梳理了金融科技发展对于非金融业公司的影响并在微观层面在前人研究的基础上重新构建了金融科技发展指标。通过实证研究发现金融科技发展显著促进非金融业公司的数字化转型进程；在作用机制的角度，金融科技通过降低企业的融资约束、助力企业高素质人才引进来实现促进企业数字化转型，两个变量均通过了Sobel检验和bootstrap检验；从异质性分析的角度来看，金融科技发展能够显著促进大型企业或国有企业的数字化转型，但是对于中小型企业的数字化转型促进作用较弱，对非国有企业的数字化转型没有显著影响。其次，金融科技发展对企业，数字化技术、云计算、大数据方面的数字化转型影响较大，对于区块链、人工智能方面的助力较小。最后本文尝试构建企业数字化转型质量指标，通过58万余篇的企业相关报道进行金融科技对企业数字化转型质量的影响分析，实证结果表明金融科技发展显著促进企业数字化转型质量的提升。

2.建议

（1）推动传统金融业加大金融科技发展力度。我国传统金融业体量大，业务范围涉及广。新兴的金融科技企业是值得鼓励的，但是想要快速推动我国金融科技的发展仍需要传统金融业企业重视人工智能、区块链、大数据、云计算、数字化技术等在金融业务中的应用。当金融科技赋能传统业务后金融业与企业间才能降低彼此间的信息差，金融业企业放出更多优良贷款，同时中小微企业也获得更全面的融资支持。

（2）实施差异化金融科技支持政策。在金融科技对企业的助力中可以发现其对规模大的企业以及国有企业的助力程度更大，但是更需要资金支持的中小企业却无法像大型企业与国企获得同等力度的资金支持。因而应当适当将政策辅助想小微企业与非国企企业进行资源倾倒，助力其完善数字化改革。

（3）加速人工智能、区块链等前沿技术场景应用。由于当前人工智能、区块链等前沿技术仍缺乏市场化成熟的应用场景，因而企业即使在获得资金进行数字化转型的过程中也难以充分利用前沿技术，也不敢往其中投入太多的资金成本。进而也难以将好的前沿技术利用在自身的数字化转型过程中。

参考文献

1. 李雯轩,李晓华.全球数字化转型的历程、趋势及中国的推进路径[J].经济学家,2022(05):36-47.
2. 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[J].中国工业经济,2021(04):138-155.
3. Philippon， T. The Fintech Opportunity[R]. NBER Working Paper， 2016.
4. Fuster， A.， M. Plosser， P. Schnabl， and J. Vickery. The Role of Technology in Mortgage Lending [J]. Review of Financial Studies， 2019，32（5）：1854-1899.
5. 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(07).
6. 袁淳,肖土盛,耿春晓,盛誉.数字化转型与企业分工：专业化还是纵向一体化[J].中国工业经济,2021(09):137-155.
7. 吴非,胡慧芷,林慧妍,任晓怡.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(07).
8. Huang， Y.， C. Lin， Z. Sheng， and L. Wei. FinTech Credit and Service Quality[R]. BIS Working Paper， 2018
9. Lee， H. H.， S. A. Yang， and K. Kim. The Role of Fintech in Mitigating Information Friction in Supply Chain Finance[R]. Asian Development Findegree Economics Working Paper， 2019
10. 邱晗,黄益平,纪洋. 金融科技对传统银行行为的影响——基于互联网理财的视角[J]. 金融研究， 2018，（11）： 17-29.
11. 王小燕,张俊英,王醒男.金融科技、企业生命周期与技术创新——异质性特征、机制检验与政府监管绩效评估[J].金融经济学研究,2019,34(05):93-108.
12. 巴曙松，白海峰，胡文韬.金融科技创新、企业全要素生产率与经济增长——基于新结构经济学视角[J]. 财经问题 研究， 2020，（1）：46-53.
13. 杨子荣，张鹏杨,金融结构、产业结构与经济增长———基于新结构金融学视角的实证检验［J］. 经济学( 季刊) ，2018,(2) : 847 － 872.
14. 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。
15. Hadlock C． J． ，Pierce J Ｒ，2010． New Evidence on Measuring Financial Constraints: Moving Beyond the KZ Index［J］． The Ｒeview of Financial Studies，Vol． 23，No． 5: 1909－1940．
16. 鞠晓生,卢荻,虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究, 2013(01):5-17.
17. 温忠麟，叶宝娟． 中介效应分析: 方法和模型发展 ［J］． 心理科学进展，2014，22 ( 5) : 731～ 745．

作者简介：邱宇洲（2002-），男，深圳大学微众银行金融科技学院学生。

邮寄地址： 广东省深圳市南山区南海大道3688号深圳大学，电话：15915885513；

电子邮箱：qyz0824@163.com