老齡化會影響金融科技創新嗎？

陳小輝，滕 磊，盧孔標

(1.宜賓學院經濟與工商管理學部，四川 宜賓 644000；2.成都信息工程大學統計學院，四川 成都 610225；3.海南銀行股份有限公司三沙支行，海南 海口 570206)

2008年全球金融危機后，互聯網、人工智能、區塊鏈、云計算和大數據等技術與經濟深入融合產生了金融科技。金融科技影響廣泛而深遠，正在重構全球金融體系[1]。中國人民銀行于2019年9月發布《金融科技發展規劃(2019—2021年)》，明確提出金融科技工作的指導思想、基本原則、發展目標、重點任務和保障措施，力求建立健全中國金融科技發展的“四梁八柱”，推動中國金融科技發展居于國際領先水平。

金融科技發展離不開社會公眾的參與[2]，而人口老齡化是中國必須面對的現實問題。國家統計局數據顯示，2008—2018年中國65歲及以上人口占總人口比例呈上升趨勢，2008年為9.54%，2018年達11.94%，11年間增加了2.40個百分點。人口老齡化已對中國經濟發展產生了深刻影響[3]，那么人口老齡化是否影響金融科技創新？如果有影響，機理為何？

一、理論分析與研究假說

(一)基于創業的機制分析

老齡化將抑制創業。年齡是影響創業選擇最為重要的因素之一[3]，老齡化將降低創業水平。一方面，老齡化會降低老年人自身創業的概率。創業者年齡與其創業意愿之間存在“倒U”型關系[3][4]的原因在于，隨著年齡的增長，老年人創辦企業獲得的效用降低，同時由于其已有的存量財富導致創業的機會成本上升，其家庭的風險承受能力也隨著機會成本的上升而下降。這一趨勢同時存在兩個可能路徑：一是在每個年齡創業意愿不變的前提下，隨著社會老齡化加劇，社會整體更加體現高齡人口的創業意愿，即創業概率下降；二是隨著生活條件和醫療條件的改善，老年人預期自身壽命延長，為給更長的老年生活提供保障，必然提高對于創業失敗風險的厭惡程度，從而直接降低了每一年齡的創業意愿。另一方面，老齡化可能降低年輕人的創業概率。老齡化程度的提升提高了企業員工的老年人比例，從而壓縮了年輕人的升職空間，減少了年輕人的升職機會，在一定程度上影響了年輕人能力和經驗的提升，導致創業活動的減少[5]。一個家庭中老年人越多，則養老的經濟壓力越大，家庭在對是否創業進行決策時，家庭成員越傾向于選擇穩定收入的工作而放棄創業這類高失敗率的活動[6]，進而抑制創業。以上分析表明，老齡化將降低社會創業水平。

創業水平的提高有利于金融科技創新。以互聯網、人工智能、區塊鏈等技術驅動的金融科技創新，是沿著傳統金融機構轉型升級金融科技和新創公司實施金融科技創業兩條路徑推進的，并且這兩條路徑并非同時展開，而是以新創公司實施金融科技創業為先導，在新創公司取得相當成功、獲得相當市場份額之后，傳統金融機構方才切入[1]。可能的原因在于，傳統金融機構高級管理人員大多經歷了一次甚至多次金融危機、經濟危機，對金融風險及其危害具有較為深刻的認識，因而風險意識較強，風險承擔水平較低，而新創公司的高級管理人員則相反，風險意識較弱，風險承擔水平較高。因此，創業水平越高、新創公司越多，金融科技方面的新創公司也越多，越能促進金融科技創新。與此同時，以新創公司為先導，在相關金融科技創新取得一定成功之后，傳統金融機構將伺機跟進，從而促使傳統金融機構實施金融科技創新，再次提升金融科技創新水平。這樣，創業水平的提高最終有利于金融科技創新。

綜上，一個地區的創業水平提高將促進金融科技創新，而一個地區老齡化程度越高，越可能降低該地區的創業水平，因此老齡化將不利于金融科技創新。

(二)基于儲蓄的機制分析

老齡化可提高儲蓄率。傳統生命周期理論認為，個體在成年期儲蓄，而在老年期消耗儲蓄，因而老齡化會降低儲蓄率[7]。但也有研究發現，經濟人進入老年階段后并未出現生命周期理論預測的負儲蓄現象[8]，相反，老齡化會增加儲蓄，提高儲蓄率[7][9]。其機理在于：第一，現今中國的老年人經歷過物資短缺，養成了節約簡樸的生活習慣，從而降低了中國居民的平均消費水平，提高了儲蓄率。第二，從微觀層面看，家庭由于老齡化產生的預防動機大于基于生命周期的消費需求對儲蓄率的負效應，老齡化對家庭是否選擇儲蓄以及儲蓄的規模均有顯著正效應，進而促進了儲蓄的增加。第三，中國人具有強烈的財產傳承觀念，遺產動機與家庭儲蓄存在正向相關關系[8]。在大城市房價高企的情況下，老年人出于對子女的愛護和傳承財產等考慮，會減少消費。這樣，老年人數量的增加在降低消費水平的同時，將提高儲蓄率。

儲蓄率的提高將促進金融科技創新。儲蓄、籌資、支付、風險管理和金融咨詢為金融的五大功能。創新主體將互聯網、人工智能、區塊鏈、云計算和大數據等技術與前述五大功能進行融合創新，實現了金融科技創新對五大功能的全覆蓋。一方面，儲蓄是金融服務者向市場主體提供跨時空資源配置的基礎，儲蓄率的提升為資金所有者利用各類金融科技創新進行跨時空資金配置提供了更多動力，從而促進了包括遠程身份識別、互聯網理財、精準匹配資金收益等方面的金融科技創新；另一方面，儲蓄率的提高還通過籌資、支付、風險管理和金融咨詢等間接促進金融創新。在籌資功能方面，隨著儲蓄率的增加，可貸資金增加，促使可貸資金尋求金融科技創新的幫助以獲得更加可觀的收益或更有效率的風險-收益匹配，如互聯網閃貸、大數據征信定價等數字金融創新應用模式。在支付功能方面，儲蓄和籌資領域的金融科技創新應用都大大提升了對于支付功能的需求，催生了包括第三方支付、生物識別支付等支付方式和支付場景的創新，這些支付創新也進一步推動了以其為基礎的其他領域的金融科技創新。在風險管理領域，儲蓄率的提高及其帶來的儲蓄-信貸配置效率變革，催生了風險管理的金融科技應用，用戶精準畫像、大數據風控、智能風控和實時風控等風控手段應運而生，從而提高了風險管理水平。在金融咨詢領域，儲蓄率的提高意味著金融咨詢服務需求的增加，更多來自包括老齡人口在內的金融服務需求催生了金融咨詢服務的科技化轉型，借助數字科技力量，形成了智能投顧、智能營銷、智能投保等智能金融咨詢服務，從而進一步拓展了金融科技創新的領域。總之，金融科技創新覆蓋了金融的五大功能，而儲蓄率的提高將直接或間接提升與五大功能相關的金融科技創新的需求，進而推動金融科技創新。

綜上，老齡化可以提高儲蓄率，而儲蓄率的提高將促進金融科技創新。因而，老齡化可促進金融科技創新。

(三)研究假說

老齡化一方面抑制地區的創業水平，從而不利于金融科技創新，另一方面又可以提高儲蓄率，從而促進金融科技創新。老齡化究竟促進了金融科技創新還是阻礙了金融科技創新取決于兩種力量的對比。

在金融科技創新的早期，老齡化使創業水平下降，導致金融創新概率下降。當然，此時老年人的儲蓄也在增加，并倒逼傳統金融機構實施金融科技創新。但在新創公司先行實施、傳統金融機構伺機跟進的情況下，在早期階段金融科技創新更需要創業水平的驅動。因此，老齡化降低創業水平的作用將更加凸顯，進而表現為抑制金融科技創新。隨著老齡化程度的日漸提高，老齡化增加儲蓄從而促進金融科技創新的作用將日趨增強，當促進作用超過抑制作用后，老齡化將促進金融科技創新。因此，本文提出如下研究假說：

H1：老齡化與金融科技創新之間為“U”型關系，老齡化程度存在拐點，低于拐點時，老齡化將抑制金融科技創新，超過拐點后，老齡化程度的提高將促進金融科技創新。

二、研究設計

(一)模型設計

為檢驗研究假說，設計如下時間和個體雙向固定效應模型：

fintechit=α0+β1oldit+β2old2it+ηX1+αi+λt+εit

(1)

其中，被解釋變量fintechit表示第i個省份第t年的金融科技創新水平。oldit為關鍵解釋變量，即第i個省份第t年的老齡化程度。old2it為oldit的平方項。若系數β2顯著為正，則老齡化程度與金融科技創新水平之間為“U”型關系；若β1顯著異于零，則拐點不在原點。X1為控制變量。α0為截距項，αi為第i個省份的個體效應，λt為第t年的年度效應，εit為隨機誤差項。

(二)變量說明

1.被解釋變量。本文的被解釋變量為金融科技創新水平(fintech)。目前尚無表征各省份金融科技創新水平的公開數據。本文參照盛天翔和范從來(2020)[10]利用“文本挖掘法”構建金融科技發展指數的思路，構建各省份金融科技創新指數，以表征金融科技創新水平。總體思路為構建關鍵詞，采用爬蟲技術從中國日報網爬取非結構化文本(WEB網頁)，按“省份名稱+關鍵詞”解析出各省份各年度關鍵詞的頻率，然后按CRITIC方法計算的權重進行加權匯總，得到各省份各年度的金融科技創新指數。具體步驟如下：

(1)構建關鍵詞庫。金融科技為技術驅動的金融創新，技術和創新是金融科技的兩個核心要素，技術包括人工智能、區塊鏈等技術，創新可分為傳統金融機構實施的金融科技創新和新興機構實施的金融科技創新。為此，本文從技術動因、傳統機構金融科技創新和新興機構金融科技創新三個維度構建關鍵詞。技術動因層面，構建了“區塊鏈、云計算、大數據、物聯網、人臉識別、指紋識別、生物識別、身份識別、活體檢測、深度學習、機器人、文字識別、加密、分布式計算、PaaS、BaaS、SaaS、IaaS、5G、API、金融云”等關鍵詞。傳統機構金融科技創新方面，構建了“電子銀行、在線銀行、智慧銀行、數字銀行、線上銀行、移動銀行、網上銀行、開放銀行、智慧網點、在線支付、網上開戶、智能理賠、保險科技”等關鍵詞。新興機構金融科技創新方面，構建了“第三方支付、網貸、網上融資、網上投資、在線理財、互聯網理財、智能投顧、智能客服、智能風控、互聯網銀行、移動支付、互聯網保險、網絡小貸、互聯網證券、互聯網基金、量化交易、眾籌、線上信貸產品、線上財富管理”等關鍵詞。新興機構實施這些創新之后，傳統機構才伺機跟進，因此，本文按新興機構優先原則，將傳統機構和新興機構共有的關鍵詞(如智能風控、互聯網保險、互聯網證券等)歸入新興機構金融科技創新。“互聯網銀行”相對較新，本文也將其視為新興機構實施的金融科技創新。

(2)生成原始數據。第一，從中國日報網爬取非結構化文本(WEB網頁)，按“省份名稱+關鍵詞”解析出每個省份每個年度的每個關鍵詞詞頻。第二，將關鍵詞詞頻上述三個維度進行累加，形成省級層面的三個原始指標。

(3)產生指標權重。為將三個原始指標生成金融科技創新指數，需設置原始指標的權重。本文采用CRITIC方法，基于2008—2018年三個原始指標的全國數據經標準化后進行計算，得出原始指標的權重。

(4)生成金融科技創新指數。將各省份各年度三個原始指標進行標準化，按原始指標權重進行加權，得到各省份各年度金融科技創新指數(fintecho)，然后將fintecho加1取自然對數得到被解釋變量fintech。另外，本文以各省份P2P網貸資金余額(以2008年為基期，剔除價格影響)加1取對數得到rfintech進行穩健性檢驗。

2.關鍵解釋變量。本文的關鍵解釋變量為老齡化程度(old)。參考相關文獻[8][11],以65歲及以上人口比重作為老齡化程度的代理變量。此外，取自然對數可緩解異方差的干擾，本文以65歲及以上人口比重取自然對數得到rold用于穩健性檢驗。為檢驗老齡化程度與金融科技創新水平之間的非線性關系，本文增加了old和rold二次項，即old2和rold2。

3.中介變量。本文的第一個中介變量為創業水平(stalev)，以各省份企業法人數量除以總人口來衡量。另外，由于國有企業的風險承擔水平低于民營企業，創業活躍度也較低，因此以各省份企業法人數量減去國有企業數量后除以總人口得到rstalev進行穩健性檢驗。第二個中介變量為儲蓄率(rsave)，借鑒王樹和呂昭河(2019)[12]的做法，以各省份存款余額除以GDP表示儲蓄率。按各省份實際存款余額(以2008年為基期)除以總人口得到rrsave進行穩健性檢驗。

4.控制變量。為避免遺漏變量產生的偏誤，本文基于現有研究將可能影響金融科技創新水平的變量作為控制變量。在基準回歸中，先用關鍵解釋變量進行回歸，然后逐步增加控制變量，若關鍵解釋變量的顯著性和符號未發生明顯變化，則可排除因控制變量產生的過度擬合問題。遵循這一思路，式(1)的控制變量設計如下：

借鑒李政和楊思瑩(2019)[13]的做法，本文控制了經濟發展水平(lnpgdp)、金融發展水平(fsize)、產業結構水平(ind_str)、外商直接投資(lnfdi)等變量。其中，經濟發展水平(lnpgdp)為以2008年為基期的人均實際GDP取自然對數，金融發展水平(fsize)為存貸款余額除以GDP，產業結構水平(ind_str)為第三產業增加值除以第二產業增加值，外商直接投資(lnfdi)為當年外商直接投資取自然對數。此外本文還控制了政府干預(gov)、財政科技投入(rexpen)、人力資本(hcap)、金融業規模(fscal)、信息化水平(info)。其中，政府干預(gov)為地方財政支出除以GDP，財政科技投入(rexpen)為財政科技投入除以GDP，人力資本(hcap)為在校大學生人數除以總人口，金融業規模(fscal)以金融業增加值除以GDP表示，信息化水平(info)以互聯網寬帶用戶接入端口數除以總人口表示。同時，地方政府為發展本地經濟進行金融競爭[14]，金融競爭的直接結果即為金融分權，地方政府基于金融分權，可能要求商業銀行加大金融科技創新力度以便服務本地企業，而這又可能加大信貸風險，從而弱化金融科技創新力度。因此，金融分權與金融科技創新水平之間可能為非線性關系。財政赤字壓力越大的省份，政府對企業的創新扶持或補貼金額越少[15]，因而財政赤字可能影響金融科技創新。固定資產投資可降低老齡化對經濟活力的抑制作用，也將影響金融科技創新[16]。為此，本文增加金融分權(fd)及其二次項(fd2)、財政赤字(fpress)和投資率(finv)作為控制變量。金融分權(fd)為貸款余額除以全國貸款余額，財政赤字(fpress)為財政支出與財政收入之差除以GDP，投資率(finv)為全社會固定資產投資除以GDP。

關于機制檢驗的控制變量，以創業水平(stalev)為被解釋變量時，參照李茜和李艷麗(2020)[17]的做法，設計了經濟發展水平(lnpgdp)、地區開放程度(open)、第二產業比重(srate)、財政政策(gp)、城鎮化水平(rcity)、信息化水平(info)等控制變量。此外，創業離不開信貸資金的支持，因此控制了存貸比(dlrate)。地區開放程度(open)用地區進出口額與GDP的比值表示，第二產業比重(srate)為第二產業增加值除以GDP，財政政策(gp)為財政支出與財政收入之差除以財政收入，城鎮化水平(rcity)為城鎮人口除以總人口。以儲蓄率(rsave)為被解釋變量時，參照王樹和呂昭河(2019)[12]的做法，選擇了經濟發展水平(lnpgdp)、經濟增長率(ggdp)、通脹率(pcpi)、金融發展水平(fsize)、政府干預(gov)、第二產業比重(srate)和第三產業比重(trate)等控制變量。通脹率(pcpi)為各省份CPI指數，第三產業比重(trate)為第三產業增加值除以GDP。

(三)樣本選擇與數據來源

除網絡爬取獲得的金融科技創新指數數據外，陸地面積來源于各省份自然資源廳網站，P2P網貸資金余額來自零壹財經·零壹智庫，其他數據來源于中國人民銀行網站、國家統計局網站和Wind數據庫。為消除異常值的影響，本文對連續變量進行了上下1%的Winsorize縮尾處理。此外，對2017—2018年市場化進程指數進行了插值處理。

三、實證結果分析

(一)描述性統計

表1為主要變量的描述性統計結果。表1結果顯示：(1)金融科技創新水平(fintech)的均值為0.765，最大值達2.995，最小值僅0.040，與金融科技創新水平地區發展不平衡的國情相符；(2)老齡化程度(old)的均值為9.709%，最小值為5.415%，最大值達14.952%，表明各省份差異較大，與國情相符；(3)創業水平(stalev)的均值為78.852，最小值為10.776，最大值達329.576，儲蓄率(rsave)的均值為1.738，最小值為0.746，最大值達5.378，表明創業水平和儲蓄率在省際之間存在較大差異。

表1 主要變量描述性統計

(二)基準回歸

本文以固定效應模型(FE)進行估計，后文以隨機效應模型(RE)進行穩健性檢驗。采用逐步增加控制變量的方法，式(1)的FE估計結果如表2所示。表2結果顯示，老齡化程度的二次項(old2)系數在1%水平下顯著為正，一次項(old)系數在1%水平下顯著為負，即老齡化程度與金融科技創新水平之間為“U”型關系，因此研究假說成立。按表2第(5)列計算，老齡化程度的拐點為11.0145。當老齡化程度低于11.0145%時，老齡化將抑制金融科技創新；超過11.0145%后，老齡化程度的提高將促進金融科技創新。從表1結果看，老齡化程度的均值為9.709%，已接近拐點，而最大值14.925%已超過拐點，意味著部分省份的老齡化程度處于抑制金融科技創新階段，部分省份處于促進金融科技創新階段。

表2 FE估計結果

(三)穩健性檢驗

1.內生性問題。老齡化會影響金融科技創新，但金融科技創新難以影響老齡化，因此反向因果關系很難成立。但仍可能因金融科技創新水平(fintech)存在測量誤差以及遺漏變量等導致內生性問題。內生性問題處理如下：

(1)工具變量法。借鑒李春濤等(2020)[18]的做法，以其他省份相同年度老齡化程度的均值(ivold)及其二次項(ivold2)作為工具變量，重新估計式(1)。弱工具變量檢驗的Cragg-Donald Wald F統計量為155.094，大于10%偏誤下的臨界值7.03，即拒絕弱工具變量的假設；過度識別檢驗的p值小于0.0001；ivold和ivold2為有效工具變量。以ivold和ivold2為工具變量估計式(1)，結果見表3第(1)列。

(2)系統GMM。金融科技創新具有一定的慣性，同時系統GMM可解決關鍵解釋變量內生性問題[19]，為此本文以系統GMM估計式(1)，在被解釋變量滯后一期、政府干預滯后二期的情況下通過了自相關檢驗和Sargan檢驗，結果見表3第(2)列。

從表3第(1)、(2)列看，老齡化程度二次項系數在1%或5%水平下顯著為正，一次項系數在1%或5%水平下顯著為負。因此，在排除內生性的情況下結論是穩健的。

2.更換被解釋變量。互聯網金融是金融科技在中國的近似稱謂，P2P網貸曾是互聯網金融的典型代表。本文以各省份P2P網貸資金余額(以2008年為基期，剔除價格影響)加1取對數得到的rfintech為被解釋變量，采用FE重新估計式(1)，結果見表3第(3)列。

3.替換關鍵解釋變量。將關鍵解釋變量替換為rold，采用FE重新估計式(1)，結果見表3第(4)列。

4.變更估計模型。以隨機效應模型(RE)重新估計式(1)，結果見表3第(5)列。

表3 穩健性檢驗結果

上述穩健性檢驗結果均顯示本文結論是穩健的。

四、老齡化影響金融科技創新的機制檢驗

理論分析表明，老齡化具有抑制創業效應和激勵儲蓄效應。老齡化分別通過創業水平和儲蓄率影響金融科技創新。本文參照現有文獻[20][21]，采用溫忠麟等(2004)[22]提出的檢驗程序進行機制檢驗，設定以下模型：

fintechit=α0+β1oldit+β2old2it+ηX1+αi+λt+εit

(2)

mit=α0+δ1oldit+γX2+αi+λt+εit

(3)

fintechit=α0+β1oldit+β2old2it+θmit+ηX1+αi+λt+εit

(4)

其中，mit為中介變量，分別為創業水平(stalevit)和儲蓄率(rsaveit)。檢驗程序為：第一，在不加入中介變量的情況下進行式(2)估計，如果系數β1顯著，則表明老齡化程度對金融科技創新水平具有總效應，繼續后續分析，否則為遮蔽效應。第二，對式(3)進行回歸，判斷老齡化程度(oldit)對中介變量的影響。第三，在加入中介變量后進行式(4)估計，如果式(3)中的系數δ1和式(4)中的系數θ均顯著，表明中介效應存在。此時若式(4)中的系數β1也顯著，則說明mit起到了部分中介效應；若系數β1不顯著，則說明mit起到了完全中介效應。第四，若式(3)中的系數δ1和式(4)中的系數θ僅有一個顯著，尚需通過Sobel檢驗中介效應。式(2)和式(4)的控制變量X1與式(1)相同。式(3)的X2為機制檢驗的控制變量，具體見研究設計中有關控制變量的說明。

(一)抑制創業效應

1.中介效應分析。以創業水平(stalev)為中介變量，采用FE估計式(2)—(4)，結果見表4。表4第(1)列中老齡化程度(old)的系數在1%水平下顯著，表明總效應存在。表4第(2)列中老齡化程度(old)的系數在5%水平下顯著，表4第(3)列中創業水平(stalev)的系數在5%水平下顯著，表明中介效應存在。表4第(3)列中老齡化程度(old)在1%水平下顯著，表明創業水平(stalev)起到了部分中介效應。從表4第(2)列來看，老齡化程度降低了創業水平，而創業水平可促進金融科技創新。因此，老齡化通過抑制創業水平約束了金融科技創新，抑制了創業效應。

表4 抑制創業效應的FE估計結果

2.穩健性檢驗。第一，更換被解釋變量。以rfintech替代式(2)和式(4)的被解釋變量，重新進行中介效應檢驗，結果見表5 Panel A。第二，更換中介變量。以rstalev為中介變量，重新進行中介效應檢驗，結果見表5 Panel B。第三，排除內生性。以ivold和ivold2為工具變量，采用工具變量法(IV)重新估計式(2)—(4)，結果見表5 Panel C。表5結果表明，在排除內生性的情況下，老齡化通過抑制創業水平約束了金融科技創新，抑制創業效應存在。

表5 抑制創業效應的穩健性檢驗

(二)激勵儲蓄效應

1.中介效應分析。以儲蓄率(rsave)為中介變量，采用FE估計式(2)—(4)，結果見表6。表6第(1)列中老齡化程度(old)的系數在1%水平下顯著，表明總效應存在。表6第(2)列中老齡化程度(old)的系數在1%水平下顯著，表6第(3)列中儲蓄率(rsave)的系數在1%水平下顯著，表明中介效應存在。表6第(3)列中老齡化程度(old)在1%水平下顯著，表明儲蓄率(rsave)起到了部分中介效應。

表6 激勵儲蓄效應的FE估計結果

2.穩健性檢驗。第一，更換被解釋變量。以rfintech替代式(2)和式(4)的被解釋變量，重新進行中介效應檢驗，結果見表7 Panel A。第二，更換中介變量。以rrsave為中介變量，替換式(3)和式(4)的中介變量，重新進行中介效應檢驗，結果見表7 Panel B。第三，排除內生性。以ivold和ivold2為工具變量，采用工具變量法(IV)重新估計式(2)—(4)，結果見表7 Panel C。表7結果表明，在排除內生性情況下，老齡化通過提高儲蓄率促進了金融科技創新，激勵儲蓄效應存在。

表7 激勵儲蓄效應的穩健性檢驗

五、結論與建議

老齡化對經濟發展具有重要影響，對金融體系的影響也不容忽視。本文測算了2008—2018年中國省級金融科技創新指數來衡量金融科技創新水平，研究老齡化對金融科技創新的影響及其機理。研究結果表明：第一，老齡化對金融科技創新具有非線性影響，老齡化程度存在拐點，低于拐點時，老齡化將抑制金融科技創新，超過拐點后，老齡化程度的提高將促進金融科技創新；第二，老齡化與金融科技創新之間的“U”型關系，其機理在于老齡化具有抑制創業效應和激勵儲蓄效應，通過抑制創業水平約束金融科技創新，通過提高儲蓄率促進金融科技創新。

基于前述結論，本文建議：第一，已在北京等地試點的中國監管沙盒需考慮老年消費者的金融行為對金融科技創新的影響；第二，鑒于老齡化程度與金融科技創新之間的“U”型關系，監管沙盒在風險可控的情況下，應積極出臺有利于中老年人創業的相關政策，在發揮中高齡人群經驗優勢的同時，減緩創業意愿衰減對金融科技創新的不利影響，使老齡化對金融科技創新的拐點左移。另外，應注重發揮高齡人群的儲蓄激勵效應，通過社會老齡化帶來的儲蓄率提升發揮儲蓄、籌資、支付、風險管理和金融咨詢等金融功能對金融科技創新的促進作用，從而揚長避短，在老齡化社會背景下促進金融科技守正創新。