金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響實(shí)證分析案例概述目錄TOC\o"1-3"\h\u25138金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響實(shí)證分析案例概述 146981.1理論分析與研究假設(shè) 1105521.2模型設(shè)計(jì) 3267651.3樣本選擇與數(shù)據(jù)來源 4289121.3.1樣本選擇 4199811.3.2數(shù)據(jù)來源 5142301.4描述性統(tǒng)計(jì)與多重共線性檢驗(yàn) 534031.5回歸結(jié)果及分析 6221271.6穩(wěn)健性檢驗(yàn) 9226961.7異質(zhì)性分析 9173481.8影響機(jī)制檢驗(yàn) 12197211.8.1中介效應(yīng)模型設(shè)計(jì) 12126991.8.2結(jié)果分析 121.1理論分析與研究假設(shè)金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響分為直接和間接兩種作用機(jī)制。金融科技能夠直接降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。金融科技借助大數(shù)據(jù)技術(shù)采集和分析高頻數(shù)據(jù)構(gòu)建風(fēng)險(xiǎn)分析框架，利用區(qū)塊鏈技術(shù)進(jìn)行反欺詐甄別，采用人工智能技術(shù)監(jiān)控風(fēng)險(xiǎn)交易和違規(guī)行為等，有效提升風(fēng)險(xiǎn)管理的覆蓋度、針對性和準(zhǔn)確性（谷政和石巋然，2020）[85]。金融科技對降低企業(yè)風(fēng)險(xiǎn)水平產(chǎn)生直接影響。金融科技有助于緩解流動(dòng)性風(fēng)險(xiǎn)和償債風(fēng)險(xiǎn)發(fā)生的可能性。就緩解流動(dòng)性風(fēng)險(xiǎn)而言，金融科技在微觀上提升企業(yè)透明度和降低融資成本，宏觀上優(yōu)化直接和間接投融資體系，從而降低企業(yè)融資約束（黃銳等，2020）[86]。一方面，金融科技為市場提供了一種替代性融資方式，降低了金融中介成本（Yang等，2020）[87]；另一方面，金融科技通過提取智能支付和結(jié)算數(shù)據(jù)，生成企業(yè)信用記錄，有助于緩解信貸約束（Yin等，2019）[88]。就緩解償債風(fēng)險(xiǎn)而言，金融科技的發(fā)展能夠顯著地抑制企業(yè)的杠桿率水平。從作用路徑上，金融科技能夠通過降低融資約束和財(cái)務(wù)費(fèi)用，提升企業(yè)內(nèi)部控制和風(fēng)險(xiǎn)穩(wěn)定程度的渠道機(jī)制來實(shí)現(xiàn)杠桿率水平的降低（張斌彬等，2020）[89]。金融科技影響企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的間接作用機(jī)制，是通過降低企業(yè)融資約束，提高投資效率實(shí)現(xiàn)的。從資金來源方面，金融科技能夠優(yōu)化金融市場環(huán)境、提高信息披露水平并降低融資成本，從而緩解企業(yè)融資約束。金融科技不僅創(chuàng)造出了新的金融模式、產(chǎn)品和服務(wù)，也有助于完善金融體系和優(yōu)化金融市場結(jié)構(gòu)（Srivastava，2014）[90]。首先，金融科技依托互聯(lián)網(wǎng)突破物理網(wǎng)點(diǎn)的局限，擴(kuò)大了金融服務(wù)的覆蓋范圍，能夠挖掘到“長尾”市場中的潛在客戶群體。其次，金融科技的不斷深化加強(qiáng)了金融機(jī)構(gòu)間的業(yè)務(wù)競爭（孫旭然等，2020）[55]，間接推動(dòng)了金融效率提升，使得有競爭力的企業(yè)夠獲低成本的資金供給。對于信息披露，金融科技借助數(shù)據(jù)挖掘，在橫向上能夠利用非結(jié)構(gòu)化企業(yè)數(shù)據(jù)進(jìn)行智能決策；縱向上檢測上下游企業(yè)的結(jié)構(gòu)化數(shù)據(jù)，在一定程度抹平企業(yè)與投資者之間、企業(yè)與企業(yè)之間的信息鴻溝（黃銳，2020）[86]。金融機(jī)構(gòu)借助金融服務(wù)數(shù)字化可以更為全面地衡量企業(yè)的信用狀況，避免債務(wù)跨期錯(cuò)配導(dǎo)致的成本損失和流動(dòng)性風(fēng)險(xiǎn)，進(jìn)而降低企業(yè)融資成本，解決企業(yè)“融資難”困境。融資約束水平降低能夠提高財(cái)務(wù)柔性水平（徐朝輝和周宗放，2014）[91]，降低企業(yè)現(xiàn)金持有的現(xiàn)金敏感性（王冀寧和陳之超，2010）[92]，從而降低企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。從資金使用方面，金融科技有助于校正企業(yè)非效率投資，進(jìn)而降低財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能性。企業(yè)實(shí)際控制人投資決策受到外部治理環(huán)境和內(nèi)部治理機(jī)制影響而偏離最優(yōu)目標(biāo)導(dǎo)致非效率投資。由于市場中存在的信息不對稱和委托代理成本（Akerlof，1970）[93]，會(huì)導(dǎo)致投資效率降低。金融科技能夠在優(yōu)化投資決策方面發(fā)揮作用，從而抑制企業(yè)的非效率投資行為。數(shù)字技術(shù)能夠在降級(jí)金融市場中信息不對稱和委托代理成本方面發(fā)揮作用，提高信息可達(dá)性和可獲得性，起到緩解企業(yè)非效率投資的作用（王娟和朱衛(wèi)未，2020）[94]。非效率投資，包括投資不足以及過度投資這兩種情形，均可能導(dǎo)致企業(yè)陷入財(cái)務(wù)困境（夏子航等，2015）[95]。企業(yè)管理者在投資上的“不作為”會(huì)錯(cuò)過投資于收益高于資本成本或高成長性項(xiàng)目的機(jī)會(huì)，導(dǎo)致投資不足。雖然投資不足能夠在一定程度上減少企業(yè)資金占用，緩解財(cái)務(wù)流動(dòng)性緊張等問題，但其負(fù)面影響是削弱了企業(yè)的市場競爭優(yōu)勢。相反，管理者將大量資金投資于凈現(xiàn)值小于零或資金成本高于回報(bào)率的項(xiàng)目導(dǎo)致過度投資，導(dǎo)致企業(yè)有限金融資源被占用。這種資源浪費(fèi)的投資方式不僅降低了企業(yè)的運(yùn)行效率，還有可能導(dǎo)致企業(yè)陷入流動(dòng)性短缺的困境，極大地提高了企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性?；诖耍岢黾僭O(shè)：金融科技有利于降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。1.2模型設(shè)計(jì)金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平的影響可能是非線性的。劉園等（2018）[96]研究發(fā)現(xiàn)金融科技與實(shí)體經(jīng)濟(jì)投資效率呈現(xiàn)非線性關(guān)系，即金融科技發(fā)展初期不利于實(shí)體經(jīng)濟(jì)投資效率，后期對實(shí)體經(jīng)濟(jì)效率呈現(xiàn)驅(qū)動(dòng)作用?？紤]到金融科技與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)間的非線性性和影響的滯后性，本文采用Hansen（1999）[97]提出的面板門檻回歸模型，分析金融科技與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的非線性關(guān)系。該模型主要有兩個(gè)優(yōu)點(diǎn)：一是該模型無需給定非線性方程的具體形式，門檻值及門檻數(shù)量由樣本數(shù)據(jù)自身的特點(diǎn)內(nèi)生決定；二是該模型提供了漸進(jìn)分布理論來建立待估計(jì)門檻參數(shù)的置信區(qū)間，同時(shí)采用Bootstrap方法來估計(jì)門檻值的統(tǒng)計(jì)顯著性。（1.1）（1.2）其中，被解釋變量為企業(yè)i在第t年的財(cái)務(wù)風(fēng)險(xiǎn)水平；解釋變量表示公司i所在的地區(qū)n在第t年的金融科技發(fā)展水平；門檻變量為滯后一期的金融科技發(fā)展水平；Controls是表示企業(yè)個(gè)體特征和區(qū)域特征的其他控制變量，包括企業(yè)年齡（Age）、審計(jì)意見（Audit）、股權(quán)集中度（Con）、兼任情況（Dual）、企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、獨(dú)立董事占比（Lndep）、行業(yè)競爭程度（HHI）、區(qū)域發(fā)展水平（LnGDP）。模型（1.1）為單門檻模型，QUOTEγγ為未知門檻值，I(·)為指示函數(shù)，當(dāng)相應(yīng)條件成立時(shí)取值為1，不成立時(shí)取值為0。從計(jì)量角度看，可能會(huì)存在多個(gè)門檻，可在模型（1.1）的基礎(chǔ)上通過擴(kuò)展單一門檻模型得到雙重門檻模型（1.2）。1.3樣本選擇與數(shù)據(jù)來源1.3.1樣本選擇1.被解釋變量企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平（Zscore）。借鑒Altman（1968）[98]的風(fēng)險(xiǎn)Z值法進(jìn)行測算。計(jì)算方法為：。其中，代表營運(yùn)資本/總資產(chǎn)；代表留存收益/總資產(chǎn)；代表息稅前利潤/總資產(chǎn)；代表總市值/總負(fù)債；代表營業(yè)收入/總資產(chǎn)。風(fēng)險(xiǎn)Z值越大，表明企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)越低；風(fēng)險(xiǎn)Z值越小，表明企業(yè)陷入財(cái)務(wù)困境的概率較高。核心解釋變量金融科技（Fintech）。本文借鑒李春濤等（2020）[85]的方法，根據(jù)《“十三五”國家科技創(chuàng)新規(guī)劃》《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016-2020年）》《中國金融科技運(yùn)行報(bào)告（2018）》以及相關(guān)重要新聞和會(huì)議，從中提取與金融科技相關(guān)的48個(gè)關(guān)鍵詞。將這些關(guān)鍵詞與中國所有省份或直轄市匹配，在百度搜索中分年份搜索“地級(jí)市或直轄市+關(guān)鍵詞”。運(yùn)用網(wǎng)絡(luò)爬蟲技術(shù)，爬取百度搜索頁面的網(wǎng)頁源代碼并提取出搜索的結(jié)果數(shù)量，并將同一地級(jí)市或直轄市層面的所有關(guān)鍵詞搜索結(jié)果數(shù)量加總，得到總網(wǎng)頁搜索量，作為區(qū)域金融科技發(fā)展水平的衡量指標(biāo)。中介變量融資約束。Hadlock和Pierce（2010）[99]使用企業(yè)規(guī)模和企業(yè)年齡兩個(gè)隨時(shí)間變化不大且具有很強(qiáng)外生性的變量所構(gòu)建的SA指數(shù)來衡量企業(yè)融資約束水平。其表達(dá)式為：SA=-0.737×SI+0.043×SI2-0.040×A。其中SI表示企業(yè)總資產(chǎn)的自然對數(shù)，A表示企業(yè)上市年限。該SA指數(shù)值均為負(fù)數(shù)，其絕對值越大，表明企業(yè)所面臨的融資約束程度越大。投資效率。參考王堅(jiān)強(qiáng)和陽建軍（2010）[100]以及彭佑元和王婷（2016）[101]的研究，使用DEA模型衡量企業(yè)投資效率。其中，投入指標(biāo)為：固定資產(chǎn)投資增加水平、無形資產(chǎn)投資增加水平、追加營運(yùn)資本水平和折舊與攤銷水平；產(chǎn)出指標(biāo)為：總資產(chǎn)增長率、凈資產(chǎn)收益率、企業(yè)價(jià)值（托賓Q值）和每股收益（EPS）。測算結(jié)果分布在0到1區(qū)間內(nèi)，且數(shù)值越高說明企業(yè)的投資效率越高?？刂谱兞繛榱吮M可能克服遺漏變量的影響，本文納入企業(yè)、行業(yè)和地區(qū)層面多個(gè)變量進(jìn)行回歸。包括企業(yè)年齡（Age，企業(yè)經(jīng)營年限的對數(shù)值）、審計(jì)意見（Audit，審計(jì)單位出具標(biāo)準(zhǔn)無保留意見取1，否則為0）、股權(quán)集中度（Con，第一大股東持股比例）、兼任情況（Dual，董事長與總經(jīng)理兼任時(shí)取1，否則為0）、企業(yè)規(guī)模（Size，企業(yè)員工數(shù)量的對數(shù)值）、資產(chǎn)負(fù)債率（Lev，總負(fù)債與總資產(chǎn)之比）、獨(dú)立董事占比（Indep，獨(dú)立董事占董事會(huì)總?cè)藬?shù)的比例）、行業(yè)競爭程度（HHI，行業(yè)赫芬達(dá)爾指數(shù)）、區(qū)域發(fā)展水平（LnGDP，區(qū)域生產(chǎn)總值的對數(shù)值）。變量定義及說明如表1.1所示。表1.1變量定義變量名稱變量符號(hào)計(jì)算方法被解釋變量財(cái)務(wù)風(fēng)險(xiǎn)Zscore風(fēng)險(xiǎn)Z值解釋變量金融科技Fintech借鑒李春濤（2020）的算法中介變量融資約束SASA指數(shù)投資效率Effective根據(jù)“投入-產(chǎn)出法”進(jìn)行測算控制變量企業(yè)年齡Age企業(yè)經(jīng)營起始至今的年限，取對數(shù)審計(jì)意見Audit出具標(biāo)準(zhǔn)無保留意見時(shí)取1，否則為0股權(quán)集中度Con第一大股東持股比例兼任情況Dual董事長與總經(jīng)理兼任時(shí)取1，否則為0企業(yè)規(guī)模Size企業(yè)員工數(shù)量，取對數(shù)資產(chǎn)負(fù)債率Lev負(fù)債總額/資產(chǎn)總額行業(yè)競爭程度HHIHHI指數(shù)獨(dú)立董事占比Indep獨(dú)立董事數(shù)量/董事會(huì)人數(shù)區(qū)域發(fā)展水平LnGDP區(qū)域生產(chǎn)總值，取對數(shù)1.3.2數(shù)據(jù)來源本文所使用的滬深A(yù)股上市企業(yè)財(cái)務(wù)數(shù)據(jù)來自國泰安（CSMAR）數(shù)據(jù)庫，省級(jí)層面金融科技發(fā)展程度來自百度搜索相關(guān)關(guān)鍵詞的結(jié)果數(shù)量。為了使樣本數(shù)據(jù)更具代表性，本文對樣本數(shù)據(jù)進(jìn)行如下處理：第一，剔除銀行、證券、保險(xiǎn)等金融類上市公司的樣本和ST公司樣本；第二，剔除主要變量存在數(shù)據(jù)缺失的樣本；第三，對連續(xù)變量進(jìn)行雙側(cè)1%的縮尾處理，以消除離群值對回歸結(jié)果的干擾。經(jīng)過以上處理，最終得到樣本涉及2011-2018年1488個(gè)企業(yè)的年度觀測值。1.4描述性統(tǒng)計(jì)與多重共線性檢驗(yàn)數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果如表1.2所示。表1.2描述性統(tǒng)計(jì)變量觀測值均值標(biāo)準(zhǔn)誤最小值最大值Zscore110945.9198.3390.61859.631Fintech1109418.2551.3159.62119.798SA11094-3.5860.260-1.069-2.779Efficiency110940.2610.16501Age110942.8970.3161.3861.779Audit110940.9660.18201Con110940.3500.1520.0820.750Dual110940.2050.40401Size110948.6401.3655.59412.511Lev110940.4870.2090.0630.949HHI110940.1360.1420.0190.877Indep110940.3730.0540.3330.571LnGDP1109410.2770.7227.83311.485為防止變量間存在多重共線性問題，在回歸分析前進(jìn)行方差膨脹因子（VIF）檢驗(yàn)。由表1.3可知，變量中最大VIF為1.57，遠(yuǎn)小于10，表明變量之間不存在多重共線性。表1.3多重共線性檢驗(yàn)變量名稱LngdpFintechAgeSizeLevConVIF1.571.361.161.161.151.10變量名稱AuditDualIndepHHIMeanVIF-VIF1.061.051.031.011.18-1.5回歸結(jié)果及分析首先進(jìn)行門檻效應(yīng)檢驗(yàn)確定門檻的個(gè)數(shù)，依次在不存在門檻、存在單一、雙重、三重門檻的假設(shè)下進(jìn)行估計(jì)。通過自抽樣法重復(fù)抽樣300次得到檢驗(yàn)統(tǒng)計(jì)量對應(yīng)的P值，從而判斷模型是否存在門檻效應(yīng)。表1.4和圖1.1展示了檢驗(yàn)結(jié)果。表1.4門檻效應(yīng)的檢驗(yàn)結(jié)果門檻變量門檻數(shù)量門檻值F值Crit10Crit5Crit1L.Fintech單一門檻0.9093**91.0776.15787.13198.012雙重門檻0.9454***38.6222.55625.91435.545三重門檻0.915530.9881.582103.590119.496L.Digital單一門檻0.5156***155.7350.51855.81268.249雙重門檻0.6510**66.2050.96257.04567.821三重門檻0.390262.19136.166141.918151.096注：*、**和***分別代表顯著性水平10%、5%和1%。圖1.1金融科技作為門限變量的雙重門檻模型由上表可知，當(dāng)金融科技作為門檻變量時(shí)，模型分別在1%和5%的顯著性水平下通過了單一門檻和雙重門檻的檢驗(yàn)，但未能通過三重門檻檢驗(yàn)，因此將該模型設(shè)定為雙重門檻模型。首先，當(dāng)金融科技作為門檻變量時(shí)，可以看出：金融科技的應(yīng)用能夠顯著降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平，當(dāng)門檻變量金融科技位于不同區(qū)間時(shí)，金融科技對于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響會(huì)出現(xiàn)顯著差異。當(dāng)金融科技水平小于等于0.9093時(shí)，金融科技的系數(shù)為2.861；金融科技水平大于0.9093但小于等于0.9454時(shí)，金融科技的系數(shù)為1.039；而當(dāng)金融科技水平大于0.9454時(shí)，金融科技的系數(shù)為2.425。以上結(jié)果均在5%的水平下顯著成立。本章的假設(shè)是成立的。表1.5門檻模型估計(jì)結(jié)果ZscoreZscore變量名稱ZscoreL.FintechI(L.FintechQUOTE≤γ1≤γ12.861**(1.410)L.DigitalI(L.DigitalQUOTE≤γ1≤γ17.495***(1.023)L.FintechI(QUOTEγ1<γ1<L.FintechQUOTE≤γ2≤γ1.039***(1.375)L.DigitalI(QUOTEγ1<γ1<L.DigitalQUOTE≤γ2≤γ1.878***(0.918)L.FintechI(QUOTEγ2<γ2<L.Fintech2.425*(1.426)L.DigitalI(QUOTEγ2<γ2<L.Digital2.154**(0.964)Age-2.293*(1.257)Age-2.675*(1.546)Audit-1.437*(0.737)Audit-1.469**(0.744)Con-2.628*(1.434)Con-2.739*(1.426)Dual0.368(0.286)Dual0.389(0.285)Size-1.545***(0.287)Size-1.542***(0.288)Lev-16.585***(1.305)Lev-16.544***(1.256)HHI1.280(1.404)HHI1.192(1.409)Indep-0.082(2.488)Indep0.756(2.500)LnGDP0.271***(0.989)LnGDP-0.529(1.027)常數(shù)項(xiàng)29.347***(8.914)常數(shù)項(xiàng)39.302***(9.738)R20.420R20.425N10416N10416F值102.81F值31.29注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*、**和***分別代表顯著性水平10%、5%和1%。這一結(jié)果表明，區(qū)域金融科技的發(fā)展能夠顯著降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平。但在金融科技不同發(fā)展水平下，金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的防控作用具有顯著差異。當(dāng)金融科技水平位于中低階段時(shí)，金融科技對降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的效果強(qiáng)于金融科技發(fā)展水平高的階段。這是因?yàn)椋鹑诳萍嫉陌l(fā)展和應(yīng)用需要政府、金融機(jī)構(gòu)和監(jiān)管機(jī)構(gòu)等多部門間的協(xié)調(diào)配合。在發(fā)展初期階段，數(shù)字基礎(chǔ)設(shè)施并不完善，金融科技水平較低，相關(guān)法律法規(guī)不健全，種種因素導(dǎo)致各部門之間的協(xié)調(diào)配合程度較差，金融科技應(yīng)用成本較高，難以充分分散企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。此后，隨著基礎(chǔ)設(shè)施建設(shè)投入不斷加強(qiáng)，相關(guān)法律法規(guī)不斷發(fā)展完善，金融科技發(fā)展至較高水平，各部門之間的協(xié)調(diào)性不斷增強(qiáng)，企業(yè)能夠以較低成本運(yùn)用金融科技來緩解企業(yè)融資約束問題，提高企業(yè)資金配置效率，有效抑制企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性。但隨著金融與科技融合水平不斷深化、金融市場各部門之間的聯(lián)系日趨緊密，金融科技發(fā)展過程中衍生出的金融風(fēng)險(xiǎn)更具隱蔽性和傳染性，加之監(jiān)管存在滯后性，相關(guān)法律法規(guī)的出臺(tái)落后于金融科技發(fā)展速度，金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的抑制作用隨自身發(fā)展水平提高會(huì)逐步減弱。1.6穩(wěn)健性檢驗(yàn)為了驗(yàn)證實(shí)驗(yàn)結(jié)果的可靠性，本文對回歸結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。使用數(shù)字普惠金融指數(shù)（Digital）（郭峰等，2019）[102]作為金融科技的代理變量，對解釋變量進(jìn)行替換。檢驗(yàn)結(jié)果如表1.5所示。根據(jù)檢驗(yàn)結(jié)果，在更換了核心變量后，金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)仍具有顯著抑制作用，證明了前文基準(zhǔn)回歸結(jié)果的可靠性。1.7異質(zhì)性分析前述針對金融科技與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究具有明顯的總括性質(zhì)。這種忽略了企業(yè)特征和市場特征差異的研究，極有可能導(dǎo)致政策導(dǎo)向偏誤。在不同的市場環(huán)境下，金融創(chuàng)新能夠發(fā)揮的作用有所不同（李翀等，2004）[103]。加之不同類型企業(yè)的最優(yōu)目標(biāo)函數(shù)有所不同，導(dǎo)致不同企業(yè)在同等金融科技發(fā)展水平條件下，其財(cái)務(wù)風(fēng)險(xiǎn)水平也不盡相同。鑒于此，本文考慮了市場特征和企業(yè)特征。按企業(yè)所在地金融市場發(fā)展程度（區(qū)域金融機(jī)構(gòu)存貸款總額/GDP）高低將企業(yè)分成兩類，考察金融市場發(fā)展程度對金融科技作用的影響。借鑒李希義和房漢廷（2008）[104]的方法，將企業(yè)劃分為科技型企業(yè)和非科技型企業(yè)兩種類型，以識(shí)別金融科技對不同企業(yè)的差異化財(cái)務(wù)風(fēng)險(xiǎn)的影響。首先檢驗(yàn)是否存在門檻效應(yīng)。由表1.6可知，在金融市場發(fā)達(dá)區(qū)域組、金融市場不發(fā)達(dá)區(qū)域組以及科技型企業(yè)組，均存在雙重門檻效應(yīng)，非科技型企業(yè)組只存在單一門檻。表1.6異質(zhì)性分析：門檻效應(yīng)的檢驗(yàn)結(jié)果分組門檻數(shù)量門檻值F值Crit10Crit5Crit1金融市場發(fā)達(dá)區(qū)域單一門檻0.8553*51.8953.56258.24873.100雙重門檻0.9196**39.7230.08338.264120.611三重門檻0.970418.0760.97769.62478.315金融市場不發(fā)達(dá)區(qū)域單一門檻0.8744***66.4249.97756.44366.343雙重門檻0.9039***41.6929.37932.95143.219三重門檻0.850626.8878.73483.29095.437科技型企業(yè)單一門檻0.9453***108.3847.05852.84265.399雙重門檻0.9631-2.4618.83722.35628.315非科技型企業(yè)單一門檻0.908816.8540.31849.37557.977注：*、**和***分別代表顯著性水平10%、5%和1%。不同金融市場發(fā)展程度分析金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)作用發(fā)揮受到其所處的宏觀環(huán)境的制約。從金融市場發(fā)展程度的視角，按企業(yè)所在地區(qū)金融市場是否發(fā)達(dá)分為兩組。根據(jù)表1.7回歸結(jié)果，核心解釋變量（金融科技）的估計(jì)系數(shù)存在顯著差異。就金融科技與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)系而言，在金融市場發(fā)展程度高的地區(qū)，金融科技能夠有效降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)；而在金融市場欠發(fā)達(dá)地區(qū)，金融科技的應(yīng)用加劇了企業(yè)陷入財(cái)務(wù)風(fēng)險(xiǎn)的可能性。一般而言，金融市場發(fā)達(dá)地區(qū)，資本市場在收集、處理和傳播信息方面的效率更高，在激勵(lì)投資者獲取信息、監(jiān)督企業(yè)、促進(jìn)資本流動(dòng)和分散風(fēng)險(xiǎn)等方面發(fā)揮著重要作用（張倩肖和馮雷，2019）[105]。一方面，發(fā)達(dá)的金融市場為金融科技發(fā)展提供環(huán)境支持。金融發(fā)展程度更高的地區(qū)在創(chuàng)新活動(dòng)上具有比較優(yōu)勢（陸建明，2011）[106]。金融發(fā)展有助于外部資源依賴型行業(yè)的融資約束，并分散高科技密集型行業(yè)的風(fēng)險(xiǎn)（王曼怡和甄晗蕾，2019）[107]。另一方面，基于于互聯(lián)網(wǎng)和云計(jì)算建立的智能風(fēng)控預(yù)警系統(tǒng)有助于降低企業(yè)管理成本及尋租可能性，區(qū)塊鏈為交易雙方建立完善的信任機(jī)制提供技術(shù)支撐，減少信息摩擦產(chǎn)生的交易成本。反之，在金融市場欠發(fā)達(dá)地區(qū)，數(shù)字技術(shù)普及度和通用性不強(qiáng)，使金融科技與傳統(tǒng)經(jīng)濟(jì)的融合性不高（王開科，2020）[108]，存在高管“享樂主義”侵蝕企業(yè)價(jià)值、“規(guī)模歧視”、“所有制歧視”等認(rèn)知偏誤引發(fā)金融錯(cuò)配的可能性。2. 不同企業(yè)類型分析基于企業(yè)類型進(jìn)行分類，聚焦于“科技型企業(yè)-非科技型企業(yè)”中金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響?？萍夹推髽I(yè)以科技創(chuàng)新作為企業(yè)發(fā)展的核心動(dòng)力，致力于將科技進(jìn)步帶來的新發(fā)明創(chuàng)造轉(zhuǎn)化為新的產(chǎn)品或服務(wù)，并保持企業(yè)技術(shù)上的獨(dú)占性和先進(jìn)性，擁有較高成長性和市場占有率。表1.7異質(zhì)性分析：門檻模型估計(jì)結(jié)果金融市場發(fā)達(dá)區(qū)域金融市場不發(fā)達(dá)區(qū)域科技型企業(yè)非科技型企業(yè)L.FintechI(L.FintechQUOTE≤γ1≤γ12.375*(1.330)-35.245***(8.025)L.FintechI(QUOTEγ1<γ1<L.FintechQUOTE≤γ2≤γ1.763***(1.181)-32.038***(7.733)L.FintechI(QUOTEγ2<γ2<L.Fintech7.110***(1.263)-29.857***(7.528)L.FintechI(L.FintechQUOTE≤γ≤γ)31.877***(5.434)2.572*(1.473)L.FintechI(QUOTEγ<γ<L.Fintech)32.246***(5.432)3.657***(1.413)Age-6.903***(1.667)-0.990(2.398)-3.415*(1.813)-2.895*(1.757)Audit-2.530**(1.118)-0.228(1.006)-2.040(1.415)-1.040(0.913)Con-2.447(2.328)-2.099(1.644)-2.299(1.769)-2.742(2.159)Dual0.224(0.409)0.583(0.386)-0.251(0.368)1.005**(0.438)Size-1.734***(0.404)-1.527***(0.433)-1.198***(0.420)-1.838***(0.391)Lev-19.202***(1.693)-13.700***(2.089)-18.185***(1.834)-15.935***(1.882)HHI3.016(1.886)-2.369(2.509)5.289**(2.619)0.718(1.633)Lndep-0.929(1.178)0.580(2.482)2.331(2.728)-1.619(3.991)LnGDP-1.142***(1.326)-3.093**(1.503)-1.244(1.466)-1.724(1.263)常數(shù)項(xiàng)89.838***(11.682)88.899***(12.790)17.144(10.747)53.820***(10.481)R20.3410.3020.4080.408N6083432649285467F值18.1313.0821.5410.42注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*、**和***分別代表顯著性水平10%、5%和1%。研究發(fā)現(xiàn)（表1.7），與非科技企業(yè)不同的是，科技型企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)水平更易受到金融科技的影響?？赡艿慕忉屖?，金融科技與科技型企業(yè)的配適性更強(qiáng)，能夠減輕科技型企業(yè)的金融排斥程度。金融科技作為數(shù)字信息技術(shù)在金融領(lǐng)域應(yīng)用帶來的金融創(chuàng)新，其興起和發(fā)展都離不開人工智能、區(qū)塊鏈、云計(jì)算和大數(shù)據(jù)等相關(guān)技術(shù)的后端支撐，因此金融科技與以技術(shù)獨(dú)占性和領(lǐng)先性為特征的科技型企業(yè)的融合度相對較高，二者間的配適性更強(qiáng)。除此之外，科技型企業(yè)往往實(shí)物資產(chǎn)較少而無形資產(chǎn)較多，具有較高的研發(fā)風(fēng)險(xiǎn)，與銀行現(xiàn)行的重實(shí)物資產(chǎn)、輕無形資產(chǎn)和風(fēng)險(xiǎn)偏好較低的信貸理念相違背，在客觀上相較于非科技型企業(yè)其獲取傳統(tǒng)金融服務(wù)的門檻較高。而金融科技的技術(shù)優(yōu)勢能夠較好彌補(bǔ)科技型企業(yè)這一短板：金融科技的數(shù)據(jù)挖掘技術(shù)能夠量化科技型企業(yè)無形資產(chǎn)的內(nèi)在價(jià)值，借助人工智能技術(shù)實(shí)時(shí)跟蹤并準(zhǔn)確評估科技型企業(yè)研發(fā)項(xiàng)目的潛在風(fēng)險(xiǎn)，在科技型企業(yè)發(fā)展實(shí)施的基礎(chǔ)上形成貸款部門所需的信用數(shù)據(jù)，不斷彌合科技型企業(yè)與傳統(tǒng)金融機(jī)構(gòu)之間的信息斷層，從而緩解科技興企融資約束，降低其財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能。1.8影響機(jī)制檢驗(yàn)1.8.1中介效應(yīng)模型設(shè)計(jì)在前述的實(shí)證分析中，就金融科技與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平的關(guān)系進(jìn)行了解讀。但必須承認(rèn)的是，前文研究尚不能打開二者之間的傳導(dǎo)機(jī)制黑箱，即不能回答金融科技如何降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。鑒于此，擬通過中介效應(yīng)模型，識(shí)別出金融科技抑制企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的具體路徑，就金融科技如何影響企業(yè)融資約束與投資效率，進(jìn)而影響企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行研究。中介效應(yīng)檢驗(yàn)分為三步，第一步將解釋變量對被解釋變量進(jìn)行的回歸；第二步將解釋變量對中介變量進(jìn)行的回歸；第三部加入中介變量后解釋變量對被解釋變量進(jìn)行回歸。由于表1.5已完成了第一步檢驗(yàn)，此處進(jìn)行第二步和第三步的回歸。中介效應(yīng)模型如下所示。（1.3）（1.4）（1.5）（1.6）1.8.2結(jié)果分析表1.8的實(shí)證結(jié)果表明，金融科技的發(fā)展，對融資約束變量的影響顯著為正（系數(shù)為0.227且通過了1%的顯著性檢驗(yàn)）。這意味著，金融科技的發(fā)展，能夠有效緩解企業(yè)的融資約束狀況。表1.8金融科技對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響機(jī)制檢驗(yàn)變量名稱SAZscoreEffectiveZscoreL.Fintech0.227***(0.038)3.7