“互聯網+”助推金融供給側結構性改革
——基于優化金融結構視角

匡衛華（高級工程師），王文濤（博士），祁懷錦（博士生導師）

一、引言

從中央經濟工作會議強調“資本市場牽一發而動全身”，到中共中央政治局第十三次集體學習時提出“深化金融供給側結構性改革”，決策層對于金融市場的重視程度上升到新的高度。深化金融供給側結構性改革的核心在于提高金融市場的供給質量，最大限度地滿足實體經濟的金融需求。但是，應該警醒地看到，金融脫媒、金融市場異化的現象仍未得到根除，實體經濟“融資難、融資貴”的難題依然牽動著社會的心弦，大量中小型民營企業更是普遍面對著難以逾越的“融資高山”。我國當前的融資環境不太樂觀，融資渠道萎縮、融資成本高企等問題日益凸顯。清華大學發布的《中國社會融資環境報告》披露的數據顯示，企業的平均融資成本為7.6%，其中，互聯網金融和小貸公司的平均融資成本更是分別高達21%和21.9%。尤其需要引起高度重視的是，服務于中小企業的小貸公司的數量、從業人員數量、企業放貸規模連續三年持續下降，個別省份甚至有超過三成的小貸公司退出市場；截止到2019年2月，正常運營的P2P網貸平臺僅剩1056 家，占累計上線平臺數量的16.1%，不足六分之一。如果企業融資問題無法得到有效解決，金融供給側結構性改革就難以取得預期的效果。

解決企業融資問題，優化金融結構是關鍵。我國是典型的銀行主導型金融體系，整體的金融結構仍處于“跛腳”狀態：以間接融資為主，直接融資不足；以銀行信貸為主，市場融資不足；以債權融資為主，股權融資不足。特別是金融市場發展較為滯后，金融衍生品市場、股票市場、貨幣市場、期貨市場嚴重不足，導致企業融資渠道全面匱乏。與金融機構貸款相比，以股票市場為代表的金融市場發展卻相對滯后，成為我國金融結構的典型特征。因此，面對新時代實體經濟發生的新變化和產生的新需求，金融結構的優化和完善勢在必行，企業融資渠道亟需拓展。

與此同時，我國悄然進入“互聯網+”時代，互聯網不僅為這片古老的大地注入新的科技元素，更在無形中重塑著金融運行的環境和規律。截至2018年年底，我國網民規模已經達到了8.29 億人，是1997年的1200余倍；1997年的互聯網普及率僅為0.05%，隨后一路攀升，特別是2006年之后一路飆升至2018年的59.6%，將近六成的中國居民已經成功實現了“在網上”。互聯網普及率的提升助推數字經濟發展步入快車道，互聯網及相關領域成為推動我國經濟高質量發展的主戰場。中國信息通信研究院公布的數據顯示，我國數字經濟規模從2002年的不到1500億元迅速增長到2018年的31萬億元，年均名義復合增長率高達38%，實現了遠高于同期GDP 增速的“超常規增長”。

綜上所述，“互聯網+”與金融供給側結構性改革正處于歷史交匯期，能否通過“互聯網+”實現金融結構的優化和金融供給側改革的深化，既是互聯網經濟學界需要著重思考的理論性問題，又是決策層面臨的一個重大現實性問題；既事關尋求解決企業融資歷史遺留問題的新路徑，又關乎下一步金融改革方向的確定。基于此，本文采用2002～2017年我國31個省域的面板數據，通過新經濟地理學理論構建動態空間面板模型，實證檢驗了“互聯網+”影響金融供給側結構性改革的特征和效應。與已有文獻相比，本文的增量貢獻主要體現在以下三個層面：①基于“互聯網+”視角探索推動金融供給側結構性改革的機制和路徑，不僅實現了互聯網經濟學和金融經濟學的理論融合，而且也為深化金融供給側結構性改革找到了新的著力點；②從優化金融結構出發探究“互聯網+”和金融供給側結構性改革深度融合的機理，不僅抓住了當前金融供給側結構性改革的重心，也加深了對金融供給側結構性改革的理解；③采用動態空間面板數據模型識別變量之間的路徑依賴性和空間相關性特征，不僅增強了研究結論的科學性，而且也為深化金融供給側結構性改革釋放新的政策主張。

二、文獻綜述

1.金融供給側結構性改革的模式和路徑。自從中共中央政治局第十三次集體學習時首次將“深化金融供給側結構性改革”上升到政治局高度，關于如何推動金融供給側結構性改革已經成為學術界和決策層共同熱議的話題。

李偉、杜偉[1]基于創新不確定性視角出發，對金融資源過度流向財富驅動領域的機制進行了深入研究，認為單純的市場機制并不能保證創新的自我實現，還需要政府政策的干預，特別是完善金融市場的風險分散和風險分擔功能，以此推動金融供給側結構性改革。張曉波[2]基于我國31 個省份2012～2016年的面板數據進行實證研究，結果表明金融供給側結構性改革不僅對消費需求具有提振作用，而且能夠提升金融體系的運行效率，進而發揮推動經濟發展的積極功能。趙語、杜偉岸[3]基于廣西14 個城市2008～2015年的面板數據，對金融供給規模影響民族地區城鎮化的機制進行了實證檢驗，結果證實了理論預期，即金融供給規模會通過影響產業發展和人口流動促進民族地區城鎮化水平的提升。因此，深化金融供給側結構性改革在擴大金融供給規模的同時，也應該著力優化金融供給主體結構，并實施精準金融供給。喬海曙、楊蕾[4]從我國金融供給存在總量與結構兩個層面出發，基于金融環境、金融市場、金融結構等多維度設計深化金融供給側結構性改革的思路和對策建議。劉玚等[5]從融資規模和融資結構兩個維度探討了不同地區深化金融供給側結構性改革的優先順序，認為金融發達地區應該優先對融資結構進行優化，而對于金融欠發達地區而言，首要任務應該是提升融資規模。徐鵬程[6]從文化產業和金融資本融合的視角探討了金融供給側結構性改革問題，認為積極推進文化產業與金融資本的深度融合是深化金融供給側結構性改革的題中之意。

2.“互聯網+”推動金融改革的機理和效應。隨著互聯網等新興科技技術向金融領域的滲透，金融的業態和生態都發生了顯著的改變，金融運行和改革的邏輯都與傳統思路存在較大差異，不僅增加了金融改革的難度，同時也為深化金融改革提供了新的思路。

邱晗等[7]重點研究了金融科技對傳統銀行行為的影響，發現金融科技的發展通過改變銀行的負債結構而影響銀行的風險偏好，且規模越大的銀行受金融科技的沖擊越小。周廣肅、梁琪[8]則分析了互聯網的應用對家庭風險金融資產投資的影響，發現互聯網的應用降低了市場摩擦，從而提高了家庭進行風險金融資產投資的概率。姚耀軍、施丹燕[9]揭示了互聯網金融區域差異化發展格局的形成邏輯，認為互聯網金融實質上是對傳統金融的一種延續性創新，正是傳統金融供給不足為互聯網金融的發展提供了肥沃土壤，而且互聯網金融的健康發展難以離開“有效市場”和“有為政府”的良好協同。王馨[10]基于長尾理論研究了互聯網金融對小微企業融資的影響，認為互聯網金融能夠適度彌補金融資源供給缺口，從而促進金融資源的有效合理配置，為緩解小微企業融資約束問題提供新的視角。沈悅、郭品[11]則重點研究了互聯網金融對商業銀行全要素生產率的影響，認為互聯網金融發展能夠顯著提升商業銀行的全要素生產率，特別是對股份制商業銀行的積極效應最為明顯，從而肯定了互聯網金融發展對于完善傳統金融模式、深化金融體制改革的積極作用。

三、我國金融結構的時空特征

本文主要從融資結構視角考察我國的金融結構特征。從融資視角進行分析，企業融資主要包括以銀行貸款為主要工具的間接融資和以債券與股票為主要工具的直接融資。當前我國金融結構的突出問題表現在間接融資比例過高而直接融資不足。因此，本文主要通過直接融資比例來考察我國的金融結構特征。

1.我國金融結構的時序特征。圖1 描繪的是我國非金融部門直接融資（非貸款融資）占融資總規模比重的時間趨勢。從圖中的趨勢可以看出，整體而言，我國非金融部門的直接融資比例呈現出不斷上升的趨勢。但是，也應該清醒地看到，與間接融資相比，直接融資的比例仍然偏低，尚且不足三成，直接融資還存在較大的發展空間。另外，從直接融資的發展態勢來看，直接融資比例的時間趨勢現象較為明顯，體現出一定的路徑依賴性特征。

圖1 我國非金融部門直接融資比例的時間趨勢

此外，直接融資的工具主要包括債券和股票，本文也考察了這兩種直接融資工具的發展狀況。圖2匯總的是非金融企業發行債券和股票方式的融資規模占社會融資總規模比重的時間趨勢。從圖中可以看出，非金融企業的債券融資近年來發展較快，占社會融資規模的比例由2002年的1.8%上升到了如今的10%以上，而相比之下，非金融企業的股票融資發展較為緩慢，占社會融資規模的比例大致維持在3%～5%之間。另外，需要特別注意的是，不管是債券融資還是股票融資，其發展仍面臨較大的脆弱性，特別是2017年非金融企業債券和股票融資規模大幅縮減。

圖2 我國非金融企業債券融資和股票融資比例的時間趨勢

2.我國金融結構的空間特征。新經濟地理學指出，各地區的經濟變量之間并非完全獨立，而是存在某種空間交互作用，表現出一定的空間依賴性和空間異質性特征。本文采用空間統計方法檢驗我國金融結構的空間相關性，主要包括“全域空間相關性檢驗”和“局域空間相關性檢驗”。其中，用來進行全域空間相關性檢驗的最為常用的指標是Moran's I 指數，其計算公式如下：

從上述計算公式可以看出，Moran's I 指數實際上是各地區觀測值的乘積和，取值范圍為［-1，1］。其中，Moran's I 指數為0 表示各地區之間不存在空間相關性，取值大于0 表示各地區金融結構存在空間正相關效應，取值小于0 表示各地區的金融結構存在空間負相關效應。另外，Moran's I 指數的絕對值越大，說明金融結構的空間相關性越強，反之則越弱。

本文采用2002～2017年我國31 個省域的直接融資比例數據計算我國金融結構的全域Moran's I指數，結果如圖3 所示。從中可以看出，中國金融結構的全域Moran's I指數呈現出逐漸增大的趨勢，特別是近年來Moran's I指數不僅均為正，而且逐年遞增的趨勢非常明顯，表明我國金融結構在空間分布上存在顯著的空間正相關特征。

圖3 中國金融結構的全域Moran's I指數

另外，用來進行局域空間相關性檢驗最為常用的工具是Moran's I 散點圖。其中，Moran's I 散點圖四個象限分別對應四種空間集聚形式：第一象限代表的是直接融資比例高的地區被同是直接融資比例高的區域所包圍（HH）；第二象限代表的是直接融資比例低的地區被直接融資比例高的區域所包圍（LH）；第三象限代表的是直接融資比例低的地區被同是直接融資比例低的區域所包圍（LL）；第四象限代表的是直接融資比例高的地區被直接融資比例低的區域所包圍（HL）。如果落入第一、三象限，那么表示地區間金融結構存在正的空間自相關性；如果落入的是第二、四象限，則表示地區間金融結構存在負的空間自相關性；如果觀測值均勻分布在四個象限當中，則說明地區間的金融結構不存在空間自相關性。

基于此，為了進一步探究中國金融結構的空間集聚特征，本文以2017年為例繪制了金融結構的局域Moran's I 散點圖，如圖4所示。從圖中可以看出，大部分省域落入了第一和第三象限，而落入第二和第四象限的省域并不多，表明現階段中國金融結構在空間上主要表現為高-高（HH）和低-低（LL）模式，即金融結構在空間地理上具有異質性特征。

四、實證研究設計

1.動態空間面板模型構建。考慮到金融結構存在路徑依賴性和空間相關性特征，本文構建動態空間面板模型研究“互聯網+”對金融結構演進的影響。動態空間計量模型分為動態空間滯后模型（SLM）和動態空間誤差模型（SEM）兩種，其形式分別如下：

（1）動態空間滯后模型。動態空間滯后模型是在動態模型中通過引入空間滯后因子識別變量的空間效應的一種模型，模型形式如下：

圖4 中國金融結構的局域Moran's I散點圖

其中，i 和t 分別代表地區和時間，Fin 代表金融結構，Fint-1代表金融結構的滯后項，W代表空間權重矩陣，W×Fin代表空間滯后因子，X代表控制變量向量。

（2）動態空間誤差模型。動態空間誤差模型則是假定變量的空間效應存在于誤差擾動項當中，模型形式如下：

其中，W×υ代表空間誤差因子，λ代表空間誤差系數。

需要注意的是，由于無法事先推斷動態空間滯后模型和動態空間誤差模型哪個更為合適，因此需要對模型形式的選擇進行檢驗。Anselin[12]建議采用拉格朗日乘子法（LM）進行檢驗：如果殘差的拉格朗日乘子檢驗結果中，LMLAG較之LMERR在統計上更加顯著，且R-LMLAG 較之R-LMERR 在統計上更加顯著，則認為動態空間滯后模型更為合適，反之則認為動態空間誤差模型更為恰當。

2.變量設定與數據來源。構建動態空間模型的關鍵一步是對空間權重矩陣的設定。本文構建空間鄰接矩陣和空間距離矩陣兩個空間權重矩陣，其設定方式分別如下：

（1）空間鄰接矩陣（WL）。空間鄰接矩陣以兩地區是否接壤作為空間權重矩陣中的元素值，即：

（2）空間距離矩陣（WD）。空間距離矩陣以兩地區之間距離倒數的平方作為空間權重矩陣中的元素值，即：

其中，dij代表的是第i 個地區的省會城市與第j個地區的省會城市之間的球面距離，計算公式如下：

其中，loni和lati分別表示第i個地區省會城市的經度和緯度，R表示地球半徑。

另外，本文涉及的主要變量的設定方法和賦值方法見表1。

表1 本文主要變量的設定和賦值方法

本文實證數據采用的是中國31個省域的2002～2017年數據，基礎數據來源于《中國區域金融運行報告》、《中國互聯網絡發展狀況統計報告》、國研網統計數據庫、中宏數據庫、國家統計局統計數據庫、中國人民銀行統計數據庫等。

五、實證結果與分析

1.模型形式設定檢驗。遵循Anselin[12]的建議，本文采用拉格朗日乘子法（LM）對動態空間模型的形式進行檢驗，結果如表2所示。結果顯示，LMLAG未通過顯著性水平檢驗，而LMERR通過了5%的顯著性水平檢驗。此外，R-LMERR 也比R-LMLAG更加顯著。根據拉格朗日乘子法判別標準，本文采用動態空間誤差模型［式（3）］更為合適。

表2 拉格朗日乘子檢驗結果

2.模型估計結果。按照Elhorst[14]的建議，本文采用無條件極大似然函數法對動態空間誤差模型進行估計，結果如表3所示。結果顯示，金融結構的滯后項（Fint-1）的估計系數均為正，且在所有模型中均通過了1%的顯著性水平檢驗，表明我國的金融結構具有顯著的累積性和路徑依賴性特征。“互聯網+”進程（Net）的估計系數在所有模型中均顯著為正，表明推進“互聯網+”行動計劃是助推金融結構優化的有效措施。

控制變量中，城鎮化（City）、經濟開放（Open）、市場化（Market）和消費能力（Consumption）的估計系數在所有模型中均為顯著的正值，表明繼續推進城鎮化建設、提升經濟開放水平、完善市場化機制、提振消費需求等對于深化金融供給側結構性改革大有助益。此外，空間誤差項（W×υ）的系數均顯著為負，說明鄰近省份對于金融結構的誤差沖擊對本省份的金融結構會產生明顯的阻礙作用，表明我國總體的直接融資比例還不高，金融結構的穩定性還有待進一步強化。

表3 動態空間誤差模型的估計結果

六、研究結論與政策啟示

“互聯網+”與金融供給側結構性改革正處于歷史交匯期，能否通過“互聯網+”推動金融結構的優化和金融供給側改革的深化，成為學術界和決策層共同關注的話題。在此背景下，本文基于2002～2017年我國31個省域的面板數據，采用空間統計方法識別金融結構的時空特征，并借鑒新經濟地理學理論構建動態空間面板模型，實證檢驗“互聯網+”影響金融供給側改革的機制效應。研究發現，我國的金融結構存在顯著的路徑依賴性和空間相關性特征，直接融資比例不僅偏低，且穩定性仍有待加強；互聯網普及率的提升有助于提高非金融企業的直接融資比例，從而促進整體金融結構的優化，助推金融供給側結構性改革；推進城鎮化建設、提升經濟開放水平、完善市場化機制、提振消費需求能夠推動金融供給側結構性改革的深化。

本文的研究結論對于深化金融供給側結構性改革具有重要的政策參考價值。一方面，持續推進“互聯網+”行動計劃，進一步提升互聯網普及率。繼續推進網絡中國的建設，加大提速降費力度，在增強網絡覆蓋范圍的同時不斷優化網絡服務能力，同時推進寬帶網絡建設和改造。另一方面，大力支持金融科技發展，培育互聯網金融新機制。互聯網的創新發展不僅為實體企業的數字化轉型提供技術支持，而且能促進金融業態和形態的不斷完善，特別是在互聯網科技向金融領域的深度融合過程中產生并發展起來的金融科技，能夠有效解決傳統正規金融在中小民營企業中的“缺位”問題，成為傳統金融體系的重要補充力量。但是，也要警惕過度的實業資本投入到金融領域而產生“產業空心化”等問題[15]。因此，要加強金融監管和引導，積極發展貿易金融和產業金融等，抑制金融投機行為。