數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響

■ 俞毛毛，馬文婷，錢金娥

一、引言

近年來(lái)國(guó)內(nèi)外經(jīng)濟(jì)下行壓力持續(xù)增大，新冠肺炎疫情肆虐全球，企業(yè)經(jīng)營(yíng)困難重重。2016 年企業(yè)“違約潮”的發(fā)生使得各方對(duì)于金融發(fā)展的利弊進(jìn)行了更多關(guān)注與探討，如何使金融發(fā)展更好地服務(wù)實(shí)體經(jīng)濟(jì)，為企業(yè)發(fā)展提供更多的資金支持，同時(shí)又能避免信貸不合理發(fā)放造成的違約風(fēng)險(xiǎn)提升等問(wèn)題，成為關(guān)注的焦點(diǎn)。

隨著大數(shù)據(jù)、人工智能、云計(jì)算等技術(shù)的不斷涌現(xiàn)，與傳統(tǒng)金融相結(jié)合的新型普惠金融模式——數(shù)字金融應(yīng)運(yùn)而生，經(jīng)濟(jì)社會(huì)進(jìn)入“數(shù)字時(shí)代”，中國(guó)的數(shù)字金融市場(chǎng)不斷擴(kuò)張。與傳統(tǒng)金融機(jī)構(gòu)相比，一方面，數(shù)字金融使用門檻低、信息優(yōu)勢(shì)強(qiáng)，對(duì)市場(chǎng)的反應(yīng)能力靈敏，可以有效彌補(bǔ)傳統(tǒng)金融機(jī)構(gòu)體系龐大、轉(zhuǎn)型緩慢的不足，易于推動(dòng)金融服務(wù)的普惠性。另一方面，由于依托大數(shù)據(jù)算法等多項(xiàng)前沿技術(shù)，數(shù)字金融可以更為精準(zhǔn)的識(shí)別客戶需求，并且操作便捷、成本低，從而對(duì)傳統(tǒng)金融機(jī)構(gòu)形成有效競(jìng)爭(zhēng)，具有一定的替代作用。同時(shí)，對(duì)企業(yè)而言，數(shù)字金融帶來(lái)的資本擴(kuò)張能夠提供更多金融便利，降低融資成本，但信貸的過(guò)度擴(kuò)張又可能造成低效率投資與代理問(wèn)題的加劇，進(jìn)而造成違約風(fēng)險(xiǎn)的不斷增加。

本文邊際貢獻(xiàn)主要有三：第一，從數(shù)字金融視角，從企業(yè)投融資行為與銀行網(wǎng)點(diǎn)布局兩個(gè)方面，揭示數(shù)字金融對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響，拓展了企業(yè)債務(wù)違約影響因素的分析框架；第二，作為一種新興的金融業(yè)態(tài)，數(shù)字金融的發(fā)展能夠更好解決實(shí)體企業(yè)的資金需求，提升投資效率，還是加劇金融體系信息不對(duì)稱下風(fēng)險(xiǎn)積聚的狀況？本文回答了這一問(wèn)題；第三，通過(guò)數(shù)字金融發(fā)展帶來(lái)的商業(yè)銀行網(wǎng)點(diǎn)增加（金融可及性）以及商業(yè)銀行同業(yè)競(jìng)爭(zhēng)增加兩個(gè)角度，進(jìn)一步拓展了銀企關(guān)聯(lián)性的相關(guān)理論。

二、文獻(xiàn)綜述與研究假設(shè)

（一）數(shù)字金融對(duì)企業(yè)需求側(cè)影響渠道

數(shù)字金融發(fā)展可以提升企業(yè)的生產(chǎn)效率，在原有研發(fā)創(chuàng)新的資源邊界下實(shí)現(xiàn)更高的產(chǎn)出績(jī)效（Loebbecke & Picot，2015），并且創(chuàng)新產(chǎn)出效果會(huì)吸引外部投資者（Hoenig & Henkel，2015）。宋敏等（2021）發(fā)現(xiàn)金融科技能顯著促進(jìn)企業(yè)全要素生產(chǎn)率的提高。但鮮有文獻(xiàn)從數(shù)字金融發(fā)展與企業(yè)違約風(fēng)險(xiǎn)之間的關(guān)聯(lián)進(jìn)行分析。而對(duì)于債務(wù)違約問(wèn)題，現(xiàn)有文獻(xiàn)多從企業(yè)管理層過(guò)度自信（姜付秀等，2019）、高杠桿率造成的償債能力低下（解文增和王安興，2014）、短期資金運(yùn)營(yíng)能力等（鄧路等，2020）分析債務(wù)違約風(fēng)險(xiǎn)的影響因素。企業(yè)債務(wù)違約具有傳染效應(yīng)，短期內(nèi)企業(yè)債務(wù)風(fēng)險(xiǎn)的集中釋放極有可能演化為系統(tǒng)性債務(wù)危機(jī)。因此，合理防控企業(yè)債務(wù)違約風(fēng)險(xiǎn)，無(wú)論是對(duì)企業(yè)長(zhǎng)遠(yuǎn)發(fā)展，還是對(duì)整個(gè)國(guó)家金融和經(jīng)濟(jì)體系的穩(wěn)定，都具有至關(guān)重要的意義（孟慶斌等，2019）。

數(shù)字金融發(fā)展可以通過(guò)降低金融機(jī)構(gòu)與借款人之間的信息不對(duì)稱，緩解借款人的融資約束（李春濤等，2020）。Lin et al.（2013）利用美國(guó)Prosper 借貸平臺(tái)數(shù)據(jù)，發(fā)現(xiàn)平臺(tái)審核信貸時(shí)會(huì)使用借款人的社會(huì)網(wǎng)絡(luò)信息對(duì)其資質(zhì)進(jìn)行評(píng)估，以降低債務(wù)違約風(fēng)險(xiǎn)。Huang et al.（2018）使用螞蟻金服的小額貸款數(shù)據(jù)研究發(fā)現(xiàn)：金融科技的運(yùn)用使傳統(tǒng)銀行信貸審批發(fā)放的流程從數(shù)月降低到3 秒，使企業(yè)的融資成本大為降低。數(shù)字金融通過(guò)融資約束的緩解，為企業(yè)提供更多的資金支持，同時(shí)又能為企業(yè)提供更多新業(yè)態(tài)下的市場(chǎng)空間，例如通過(guò)“互聯(lián)網(wǎng)+”改變傳統(tǒng)業(yè)態(tài)下企業(yè)經(jīng)營(yíng)模式，更好地將金融與實(shí)體發(fā)展相結(jié)合，這有利于提高企業(yè)的投資效率，提高短期資金運(yùn)用能力，從而降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。根據(jù)上述分析，提出假設(shè)H1。

H1：從需求側(cè)看，數(shù)字金融發(fā)展會(huì)緩解企業(yè)的融資約束，提高投資效率，從而降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。

（二）數(shù)字金融對(duì)銀行網(wǎng)點(diǎn)供給側(cè)影響渠道

數(shù)字金融主要通過(guò)對(duì)傳統(tǒng)金融普惠特征的互補(bǔ)作用，增強(qiáng)企業(yè)金融可得性，通過(guò)傳統(tǒng)金融市場(chǎng)競(jìng)爭(zhēng)性的提升作用，增強(qiáng)信貸質(zhì)量和外部監(jiān)督作用，進(jìn)而降低企業(yè)違約風(fēng)險(xiǎn)。一方面，金融可得性主要用于衡量企業(yè)獲取金融資源的可得程度，尤指金融設(shè)施的有無(wú)和數(shù)量（張偉俊等，2021）。數(shù)字金融發(fā)展縮短了銀行與企業(yè)之間的地理距離，降低了信息搜尋成本，對(duì)傳統(tǒng)金融具有互補(bǔ)作用，信息不對(duì)稱的減少有利于金融機(jī)構(gòu)對(duì)企業(yè)信貸資金的有效監(jiān)控，企業(yè)能夠通過(guò)金融網(wǎng)點(diǎn)的擴(kuò)張和銀企距離的縮短，促進(jìn)信貸資金可獲得性增加，降低企業(yè)融資約束導(dǎo)致的違約風(fēng)險(xiǎn)。另一方面，數(shù)字金融通過(guò)大數(shù)據(jù)和區(qū)塊鏈技術(shù)的應(yīng)用，降低了銀企之間的信息距離，同時(shí)打破了商業(yè)銀行的信息壟斷和區(qū)域壟斷（封思賢等，2019），又會(huì)吸引大量的小微企業(yè)和個(gè)人借貸客戶，進(jìn)而降低了傳統(tǒng)銀行的利潤(rùn)水平（邱兆祥和粟勤，2008）。同時(shí)，現(xiàn)存的金融機(jī)構(gòu)會(huì)加強(qiáng)貸前審查、貸中監(jiān)督和貸后管理，對(duì)企業(yè)資質(zhì)嚴(yán)格把關(guān)，降低債務(wù)違約風(fēng)險(xiǎn)，否則便會(huì)在激烈的同業(yè)競(jìng)爭(zhēng)中失去市場(chǎng)份額，甚至面臨不良貸款導(dǎo)致的利潤(rùn)虧損、最終被逐出市場(chǎng)。在金融科技的沖擊下，部分銀行網(wǎng)點(diǎn)合并關(guān)停便是市場(chǎng)競(jìng)爭(zhēng)加劇導(dǎo)致部分網(wǎng)點(diǎn)退出市場(chǎng)的證據(jù)。根據(jù)上述分析，提出假設(shè)H2。

H2：從供給側(cè)看，數(shù)字金融發(fā)展增加了金融可得性和傳統(tǒng)銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)程度，從而降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。

綜上所述，本文從需求側(cè)和供給側(cè)兩個(gè)方面分析數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響，需求側(cè)的影響機(jī)制主要是緩解企業(yè)融資約束，提高企業(yè)投資效率，供給側(cè)的影響機(jī)制主要是增強(qiáng)金融可得性和傳統(tǒng)銀行的競(jìng)爭(zhēng)程度。全文的分析框架如圖1所示。

圖1 全文分析框架圖

三、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來(lái)源

選取2011—2018年中國(guó)A股上市公司為研究樣本，剔除金融行業(yè)、ST、ST 公司和數(shù)據(jù)缺失的樣本，并對(duì)連續(xù)變量進(jìn)行上下1%縮尾處理。通過(guò)上市公司所在城市，將上市公司財(cái)務(wù)數(shù)據(jù)與數(shù)字金融指數(shù)進(jìn)行匹配，最終得到“企業(yè)-年度”級(jí)樣本15248 個(gè)，其中包含2732 家上市企業(yè)連續(xù)8 年的非平衡面板觀測(cè)數(shù)據(jù)。研究中所使用的上市企業(yè)財(cái)務(wù)數(shù)據(jù)來(lái)自Wind 數(shù)據(jù)庫(kù)，數(shù)字普惠金融指數(shù)來(lái)自北京大學(xué)數(shù)字金融研究中心，最短銀企距離和銀行密度的數(shù)據(jù)通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲取企業(yè)與銀行網(wǎng)點(diǎn)的經(jīng)緯度，構(gòu)造企業(yè)層面銀行網(wǎng)點(diǎn)擴(kuò)張指標(biāo)獲得。

（二）變量定義與度量

1.被解釋變量

（1）企業(yè)債務(wù)違約風(fēng)險(xiǎn)

參照孟慶斌等（2019）的分析方法，計(jì)算企業(yè)簡(jiǎn)化違約概率方程如下：

其中，σ表示債務(wù)波動(dòng)率水平，而σ表示企業(yè)股權(quán)波動(dòng)率水平。并通過(guò)企業(yè)債務(wù)市值（V）和股權(quán)市值（V）占比進(jìn)行加權(quán)運(yùn)算，計(jì)算出市值加權(quán)企業(yè)風(fēng)險(xiǎn)水平為：

進(jìn)一步通過(guò)Merton DD（1987）模型，計(jì)算得出簡(jiǎn)化違約距離為：

其中，T取1年，r為無(wú)風(fēng)險(xiǎn)利率，取一年期國(guó)債利率通過(guò)標(biāo)準(zhǔn)累計(jì)正態(tài)分布函數(shù)轉(zhuǎn)化為企業(yè)違約概率edf，違約概率落在0-1 之間，概率越大，企業(yè)違約風(fēng)險(xiǎn)越高。違約風(fēng)險(xiǎn)計(jì)算公式為：

（2）企業(yè)實(shí)質(zhì)違約指標(biāo)

參照孫錚等（2006）研究，企業(yè)是否發(fā)生實(shí)質(zhì)違約取決于企業(yè)上年度短期借款與企業(yè)當(dāng)期償還額度的差額是否大于零，如若借款額度大于償還額度，則說(shuō)明企業(yè)并未按期償還借款，此時(shí)界定為企業(yè)發(fā)生實(shí)質(zhì)違約（violate=1），否則企業(yè)未發(fā)生實(shí)質(zhì)違約（violate=0）。

2.解釋變量

核心解釋變量是北京大學(xué)數(shù)字普惠金融指數(shù)，包括數(shù)字普惠金融總指數(shù)（dig1）、數(shù)字金融覆蓋廣度指數(shù)（dig2）、數(shù)字金融使用深度指數(shù)（dig3）。對(duì)上述變量取對(duì)數(shù)后作為解釋變量lndig1-lndig3。

3.控制變量

控制變量主要包括：企業(yè)規(guī)模size，對(duì)總資產(chǎn)取對(duì)數(shù)獲得；企業(yè)年末貨幣資金對(duì)數(shù)值Lncash；企業(yè)資產(chǎn)負(fù)債率lev，等于企業(yè)年末總負(fù)債/總資產(chǎn)；企業(yè)的托賓Q 值tobinq，等于（股票市值+凈債務(wù)）/有形資產(chǎn)現(xiàn)值；企業(yè)年末固定資產(chǎn)占總資產(chǎn)比例fxpro；董事會(huì)規(guī)模boardsize，用董事會(huì)人數(shù)對(duì)數(shù)值表示；企業(yè)董事長(zhǎng)與總經(jīng)理是否二職合一虛擬變量dual，若是則為1，否則為0；企業(yè)是否為國(guó)企虛擬變量soe，若是則為1，否則為0。

（三）模型設(shè)計(jì)

主回歸中，構(gòu)建面板數(shù)據(jù)固定效應(yīng)模型（5），其中CV 為控制變量，industry 為行業(yè)固定效應(yīng)，year為年度固定效應(yīng)，ε為隨機(jī)誤差項(xiàng)。

為進(jìn)一步驗(yàn)證數(shù)字金融發(fā)展對(duì)企業(yè)實(shí)質(zhì)違約的影響，構(gòu)建了模型（6），采用Logit 回歸重點(diǎn)關(guān)注數(shù)字金融發(fā)展指數(shù)的系數(shù)。

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

表1的描述性統(tǒng)計(jì)顯示，企業(yè)債務(wù)違約風(fēng)險(xiǎn)的平均值是6.5%，標(biāo)準(zhǔn)差是0.169。數(shù)字普惠金融總指數(shù)對(duì)數(shù)值介于2.846 和5.937 之間，數(shù)字金融覆蓋廣度對(duì)數(shù)值介于1.085 和5.872 之間，數(shù)字金融使用深度指數(shù)對(duì)數(shù)值介于2.049 和5.995 之間，說(shuō)明地區(qū)之間的數(shù)字金融發(fā)展程度具有顯著的差異。企業(yè)特征變量的均值和方差與既有文獻(xiàn)一致。

表1 描述性統(tǒng)計(jì)

變量名稱edfm violate lndig1 lndig2 lndig3 size lncash lev tobinq fxpro boardsize dual soe變量個(gè)數(shù)15248 14851 15248 15248 15248 15248 15248 15248 15248 15248 15248 15248 15248最小值0.000 0.000 2.846 1.085 2.049 16.520 11.289 0.019 0.153 0.000 0.000 0.000 0.000最大值1.000 1.000 5.937 5.872 5.995 28.520 26.494 0.884 118.255 0.971 1.372 1.000 1.000平均值0.065 0.093 5.282 5.167 5.301 22.390 20.295 0.494 2.042 0.231 1.181 0.226 0.440標(biāo)準(zhǔn)差0.169 0.290 0.551 0.629 0.518 1.301 1.436 0.603 2.282 0.174 0.057 0.418 0.496

（二）基準(zhǔn)回歸結(jié)果

表2 匯報(bào)了數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)影響的基準(zhǔn)回歸結(jié)果。lndig1、lndig2 和lndig3的系數(shù)分別為-0.022、-0.010和-0.019，均在5%及以上水平顯著。以lndig1 為例，數(shù)字普惠金融總指數(shù)每上升10%，企業(yè)債務(wù)違約風(fēng)險(xiǎn)的概率會(huì)下降0.22%。上述結(jié)果驗(yàn)證了數(shù)字金融發(fā)展降低了企業(yè)債務(wù)違約風(fēng)險(xiǎn)，并且數(shù)字金融覆蓋廣度和數(shù)字金融使用深度對(duì)違約風(fēng)險(xiǎn)影響相同。

表2 數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 lndig2 lndig3控制變量_cons N年份/行業(yè)R2值（1）edfm-0.022***（-2.754）（2）edfm （3）edfm-0.010**（-2.035）是是-0.479***（-8.719）15248是0.157-0.526***（-10.736）15248是0.157-0.019***（-2.773）是-0.491***（-9.409）15248是0.157

（三）穩(wěn)健性檢驗(yàn)①限于篇幅，結(jié)果留存?zhèn)渌鳌?/h3>

1.更換被解釋變量

將被解釋變量替換為企業(yè)是否發(fā)生實(shí)質(zhì)違約虛擬變量，并通過(guò)Logit模型進(jìn)行回歸分析，結(jié)果顯示：lndig1、lndig2和lndig3的系數(shù)均在1%的水平上顯著為負(fù)，與基準(zhǔn)回歸的結(jié)論一致，即數(shù)字金融發(fā)展降低了企業(yè)實(shí)質(zhì)違約的概率。上述分析說(shuō)明，數(shù)字金融發(fā)展不僅能夠降低企業(yè)違約風(fēng)險(xiǎn)，還能顯著降低實(shí)質(zhì)違約發(fā)生的可能性。

2.剔除2015年金融沖擊

在本文的研究時(shí)間窗口內(nèi)，包含2015 年國(guó)內(nèi)“股災(zāi)”的金融沖擊事件。鑒于此，在穩(wěn)健性檢驗(yàn)中剔除2015 年的數(shù)據(jù)，盡可能排除“股災(zāi)”事件對(duì)企業(yè)違約風(fēng)險(xiǎn)的影響。結(jié)果顯示數(shù)字普惠金融總指數(shù)lndig1 和數(shù)字金融覆蓋廣度指數(shù)lndig2 顯著降低了企業(yè)債務(wù)違約風(fēng)險(xiǎn)和實(shí)質(zhì)違約概率，基準(zhǔn)回歸結(jié)果并未發(fā)生改變。

3.內(nèi)生性處理

為盡可能避免反向因果和遺漏變量導(dǎo)致的內(nèi)生性問(wèn)題，采用工具變量?jī)呻A段最小二乘法進(jìn)行內(nèi)生性檢驗(yàn)。參考林愛(ài)杰等（2021），使用省級(jí)移動(dòng)電話交換機(jī)容量對(duì)數(shù)值（lnexc）和互聯(lián)網(wǎng)用戶數(shù)對(duì)數(shù)值（lnnet）作為數(shù)字金融各指數(shù)的工具變量，二者在技術(shù)發(fā)展水平上存在一定的獨(dú)立性。同時(shí)，省級(jí)移動(dòng)電話交換機(jī)容量和互聯(lián)網(wǎng)用戶數(shù)反映了一個(gè)地區(qū)網(wǎng)絡(luò)移動(dòng)硬件設(shè)施環(huán)境和用戶活躍程度，與數(shù)字金融發(fā)展水平呈正相關(guān)關(guān)系；同時(shí)對(duì)微觀企業(yè)借貸決策沒(méi)有影響，故與企業(yè)杠桿率不相關(guān)，工具變量滿足相關(guān)性和排他性條件。結(jié)果顯示工具變量通過(guò)了弱工具變量檢驗(yàn)和過(guò)度識(shí)別檢驗(yàn)，LM 檢驗(yàn)系數(shù)顯著，Sargan 檢驗(yàn)系數(shù)不顯著。同時(shí)，回歸結(jié)果與前文保持一致，說(shuō)明基準(zhǔn)回歸結(jié)果穩(wěn)健。

（四）異質(zhì)性分析

1.市場(chǎng)化程度調(diào)節(jié)效應(yīng)分析

為考察地區(qū)市場(chǎng)化程度差異對(duì)數(shù)字金融發(fā)展與企業(yè)債務(wù)違約風(fēng)險(xiǎn)之間關(guān)系的影響，構(gòu)建了模型（7）。

重點(diǎn)關(guān)注數(shù)字金融發(fā)展指數(shù)與市場(chǎng)化指數(shù)的交互項(xiàng)lndig×mktscore 的系數(shù)δ。市場(chǎng)化指數(shù)mktscore 越大，企業(yè)的市場(chǎng)化程度越高。表3 第（1）（2）列的回歸結(jié)果顯示，數(shù)字金融發(fā)展指數(shù)lndig1 和lndig2 與市場(chǎng)化指數(shù)的交互項(xiàng)分別在5%和10%的水平下顯著為負(fù)，說(shuō)明數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用在市場(chǎng)化程度較高的企業(yè)中更為明顯。

2.政策不確定性的調(diào)節(jié)效應(yīng)分析

為考察政策不確定性對(duì)數(shù)字金融發(fā)展與企業(yè)債務(wù)違約風(fēng)險(xiǎn)之間關(guān)系的差異化影響，構(gòu)建了模型（8）。

重點(diǎn)關(guān)注數(shù)字金融發(fā)展指數(shù)與政策不確定性指數(shù)的交互項(xiàng)lndig×epu 的系數(shù)γ。政策不確定性指數(shù)epu 越大，地區(qū)政策不確定性程度越高。表3列（3）和列（4）的回歸結(jié)果顯示，數(shù)字金融發(fā)展指數(shù)lndig1 和lndig2 與政策不確定性指數(shù)的交互項(xiàng)均在10%的水平下顯著為負(fù)，說(shuō)明數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用在政策不確定性較高年度中對(duì)企業(yè)的影響更為明顯。數(shù)字金融發(fā)展有利于降低企業(yè)與金融機(jī)構(gòu)之間的信息不對(duì)稱，尤其是在政策不確定性較高年度，這有利于債權(quán)人合理評(píng)估企業(yè)償債能力，從而降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。

表3 異質(zhì)性分析

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 mktscore lndig1×mktscore lndig2 lndig2×mktscore epu lndig1×epu lndig2×epu控制變量_cons N年份/行業(yè)R2值（1）edfm-0.013（-1.018）0.019**（2.037）-0.004**（-2.103）（2）edfm （3）edfm 0.010（0.519）（4）edfm 0.012（1.625）0.001（0.105）-0.002*（-1.797）0.015（0.979）0.075*（1.826）是0.100**（1.973）-0.016*（-1.827）是是-0.574***（-7.788）10563是0.166-0.609***（-9.567）10563是0.166-0.670***（-6.102）15248是0.158-0.013*（-1.821）是-0.664***（-7.478）15248是0.157

（五）機(jī)制檢驗(yàn)

本部分將從企業(yè)融資約束和投資效率視角進(jìn)一步探討，以揭示數(shù)字金融發(fā)展影響企業(yè)債務(wù)違約風(fēng)險(xiǎn)的內(nèi)在作用機(jī)制。

1.融資約束渠道

數(shù)字金融發(fā)展能夠有效緩解企業(yè)的融資約束，通過(guò)“數(shù)字金融發(fā)展——企業(yè)融資約束——企業(yè)債務(wù)違約風(fēng)險(xiǎn)”這一路徑影響企業(yè)債務(wù)違約風(fēng)險(xiǎn)。為驗(yàn)證假設(shè)H1，本文使用KZ指數(shù)作為長(zhǎng)期融資約束的衡量指標(biāo)，KZ 指數(shù)越大則企業(yè)長(zhǎng)期融資約束越大，同時(shí)，cr表示企業(yè)流動(dòng)比率，反映企業(yè)短期融資約束?；貧w結(jié)果如表4所示。

表4 長(zhǎng)短期融資約束影響機(jī)制檢驗(yàn)

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 kz cr控制變量_cons N年份/行業(yè)R2值（1）kz-0.693***（-7.176）（2）edfm-0.019**（-2.397）0.012***（14.063）（3）cr 0.182**（2.483）（4）edfm-0.027***（-3.352）是是是4.671***（7.788）15247是0.183-0.333***（-6.204）15247是0.184 6.790***（11.866）15248是0.192-0.004***（-4.147）是-0.251***（-4.671）15248是0.169

由列（1）和列（2）可知，數(shù)字金融發(fā)展可以顯著降低企業(yè)的融資約束，并在1%水平下顯著；而較弱的融資約束對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)具有顯著的降低作用。由列（3）和列（4）可知，數(shù)字金融發(fā)展可以顯著提升企業(yè)流動(dòng)比率，而短期資金運(yùn)營(yíng)能力的提升可以顯著降低企業(yè)的債務(wù)違約風(fēng)險(xiǎn)。因此，企業(yè)融資約束是數(shù)字金融發(fā)展影響企業(yè)債務(wù)違約風(fēng)險(xiǎn)的部分中介因子。此外，企業(yè)融資約束還是影響企業(yè)創(chuàng)新和區(qū)域創(chuàng)新水平的重要渠道（聶秀華等，2021）。上述分析證明了假設(shè)H1 成立，即數(shù)字金融發(fā)展會(huì)通過(guò)融資約束的緩解，降低企業(yè)違約風(fēng)險(xiǎn)。

2.投資效率渠道

借鑒王娟和朱衛(wèi)未（2020），采用模型（9）估計(jì)企業(yè)的最佳投資規(guī)模，然后用實(shí)際投資水平相減，殘差的絕對(duì)值abovr 表示企業(yè)的非效率投資水平。其值越大，企業(yè)的投資效率越低。若殘差為正，說(shuō)明企業(yè)投資過(guò)度，若殘差為負(fù)，說(shuō)明企業(yè)投資不足。invest為i 公司在t 期的投資水平，growth為i公司在t-1期的營(yíng)業(yè)收入增長(zhǎng)率，cash為其現(xiàn)金資產(chǎn)，age為存續(xù)年限，size為資產(chǎn)規(guī)模，return為股票年回報(bào)率，year為年度虛擬變量，industry為行業(yè)虛擬變量。

表5列（1）的結(jié)果顯示，lndig1顯著降低了企業(yè)的非效率投資水平，提升了投資效率；列（2）說(shuō)明企業(yè)的非效率投資會(huì)顯著增加企業(yè)的債務(wù)違約風(fēng)險(xiǎn)，因此企業(yè)投資效率是數(shù)字金融發(fā)展影響企業(yè)債務(wù)違約風(fēng)險(xiǎn)的部分中介因子。列（3）（4）將 lndig1 替換為 lndig2 后，結(jié)果保持不變。上述分析說(shuō)明，數(shù)字金融發(fā)展提升了企業(yè)的投資效率，進(jìn)而降低了企業(yè)債務(wù)違約風(fēng)險(xiǎn)，假設(shè)H1進(jìn)一步得以驗(yàn)證。

表5 企業(yè)投資效率中介機(jī)制檢驗(yàn)

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 lndig2 abovr控制變量_cons N年份/行業(yè)R2值（1）abovr-0.011***（-3.828）（2）edfm-0.013（-1.638）（3）abovr （4）edfm 0.138***（5.632）是-0.240***（-4.290）14570是0.200是是-0.006***（-3.341）0.117***（5.921）14570是0.060 0.097***（5.364）14570是0.060-0.006（-1.156）0.138***（5.649）是-0.268***（-5.364）14570是0.200

（六）進(jìn)一步分析——銀企關(guān)聯(lián)視角

數(shù)字金融的發(fā)展，不但會(huì)對(duì)企業(yè)自身投融資行為產(chǎn)生影響，進(jìn)而影響違約風(fēng)險(xiǎn)，同時(shí)又會(huì)對(duì)區(qū)域金融布局和銀行競(jìng)爭(zhēng)狀況產(chǎn)生影響，間接影響企業(yè)投融資行為。為驗(yàn)證假設(shè)H2，參照張偉俊等（2021）分析方法，本文將數(shù)字金融供給側(cè)影響分為兩種效應(yīng)，即金融可得性影響和銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)性影響，同時(shí)為排除由于不同區(qū)域經(jīng)濟(jì)發(fā)展水平差異產(chǎn)生的影響差異，加入樣本所在城市固定效應(yīng)。

1.金融可得性影響途徑

現(xiàn)有理論認(rèn)為，數(shù)字金融發(fā)展能夠作為傳統(tǒng)銀行的補(bǔ)充手段，通過(guò)大數(shù)據(jù)技術(shù)的應(yīng)用，降低傳統(tǒng)金融信息搜集成本和運(yùn)營(yíng)成本，設(shè)立更多中小銀行和村鎮(zhèn)銀行網(wǎng)點(diǎn)，為企業(yè)提供更多的信貸資金支持，并更為充分地發(fā)揮外部監(jiān)督機(jī)制，但與此同時(shí)，數(shù)字技術(shù)的應(yīng)用又可能造成傳統(tǒng)金融機(jī)構(gòu)網(wǎng)點(diǎn)撤并。銀企距離通過(guò)網(wǎng)絡(luò)爬蟲(chóng)結(jié)合高德地圖將企業(yè)和銀行網(wǎng)點(diǎn)的經(jīng)緯度按照“省、市”匹配，在企業(yè)與城市范圍內(nèi)所有銀行網(wǎng)點(diǎn)的地理距離中取最短獲得。為對(duì)兩類不同銀行網(wǎng)點(diǎn)進(jìn)行分類，分別計(jì)算出企業(yè)距離所在城市國(guó)有六大銀行銀企平均距離（lnmeandist1）和城商行銀企平均距離（lnmeandist2）?；貧w結(jié)果如表6所示。

表6 銀企距離中介機(jī)制檢驗(yàn)

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 lnmeandist1（1）lnmeandist1-0.076***（-2.706）（2）edfm-0.028***（-3.387）0.003（1.141）（3）lnmeandist2-0.242***（-7.795）（4）edfm-0.026***（-3.170）lnmeandist2控制變量_cons N年份/行業(yè)城市R2值是是是3.341***（17.671）15248-0.286***（-5.200）15248 4.332***（23.020）15248 0.008***（3.118）是-0.311***（-5.604）15248是 是是 是是 是是 是0.120 0.168 0.092 0.169

由表6 列（1）和列（3）可知，數(shù)字金融發(fā)展顯著縮短了兩類銀企距離，對(duì)于城商行的銀企距離縮短效應(yīng)更為明顯；其次，從列（4）看出數(shù)字金融發(fā)展能夠通過(guò)城商行銀企距離的縮短，降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)，而列（2）國(guó)有六大銀行銀企距離影響的中介途徑并不顯著。一方面，金融科技的推廣應(yīng)用對(duì)傳統(tǒng)銀行網(wǎng)點(diǎn)造成一定的沖擊，另一方面又會(huì)促進(jìn)中小銀行網(wǎng)點(diǎn)的設(shè)立，為企業(yè)提供更多信貸資金支持，同時(shí)充分發(fā)揮信息優(yōu)勢(shì)，降低代理問(wèn)題導(dǎo)致的違約風(fēng)險(xiǎn)提升問(wèn)題。這一結(jié)果進(jìn)一步驗(yàn)證了“數(shù)字金融發(fā)展——金融可得性——企業(yè)債務(wù)違約風(fēng)險(xiǎn)”這一影響路徑的存在，假設(shè)H2 得證。這和許和連等（2020）的結(jié)論一致，即數(shù)字金融帶來(lái)的銀企距離縮短使企業(yè)的金融可得性增加，同時(shí)驗(yàn)證了數(shù)字普惠特性能夠通過(guò)上述渠道，降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)，此種效應(yīng)更多體現(xiàn)在城商行設(shè)立的影響之上。

2.銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)影響途徑

數(shù)字金融通過(guò)供給側(cè)影響的另一渠道，便是數(shù)字金融對(duì)傳統(tǒng)銀行競(jìng)爭(zhēng)格局的影響。數(shù)字金融的發(fā)展會(huì)帶來(lái)網(wǎng)點(diǎn)擴(kuò)張效應(yīng)，促進(jìn)更多中小銀行打破地域分隔和信息不透明等問(wèn)題造成的進(jìn)入壁壘，成立新的網(wǎng)點(diǎn)。銀行競(jìng)爭(zhēng)性的提升，一方面對(duì)傳統(tǒng)銀行信貸業(yè)務(wù)造成沖擊，另一方面又會(huì)促進(jìn)銀行機(jī)構(gòu)通過(guò)差異化戰(zhàn)略提升存量信貸質(zhì)量，降低由于關(guān)系信貸造成的違約風(fēng)險(xiǎn)問(wèn)題。本文參照姜付秀等（2019）的分析方法，運(yùn)用城市中各銀行網(wǎng)點(diǎn)數(shù)目計(jì)算得出銀行競(jìng)爭(zhēng)度HHI 指數(shù)，對(duì)供給側(cè)第二條影響路徑進(jìn)行驗(yàn)證。同時(shí)，考慮到不同城市發(fā)展水平存在的差異，可能會(huì)對(duì)銀行競(jìng)爭(zhēng)度指標(biāo)和數(shù)字金融發(fā)展水平同時(shí)產(chǎn)生影響，本文引入樣本所在城市人均GDP 對(duì)數(shù)值（lnpgdp）和東部地區(qū)虛擬變量（resign=1），同時(shí)，進(jìn)一步控制城市固定效應(yīng)，分析銀行業(yè)競(jìng)爭(zhēng)途徑的影響。回歸結(jié)果如表7 所示。

表7 銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)影響途徑檢驗(yàn)

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。列（1）—列（3）為中介效應(yīng)第二階段檢驗(yàn)，同時(shí)列（2）、列（3）中加入了調(diào)節(jié)變量，列（4）為中介效應(yīng)第三階段檢驗(yàn)。

（1）bankhhi-0.027***（-10.359）（2）bankhhi-0.025***（-9.210）（3）bankhhi-0.058***（-4.852）（4）edfm-0.029***（-3.053）0.144***（3.874）0.007**（1.975）-573.921（-0.000）0.002**（2.294）變量lndig1 bankhhi resign lndig1×resign lnpgdp lndig1×lnpgdp N控制變量年份/行業(yè)城市R2值15238 0.967-0.014（-1.236）0.004**（2.405）15014 15238 15021是是是是是是是是是是是是0.967 0.963 0.171

表7列（1）中，數(shù)字金融發(fā)展水平的提升，會(huì)顯著降低銀行集中度HHI 指數(shù)，即造成銀行體系競(jìng)爭(zhēng)程度提升；列（2）（3）中，通過(guò)異質(zhì)性分析能夠看出，對(duì)于東部地區(qū)以及人均GDP 較高的樣本地區(qū)，數(shù)字金融對(duì)銀行集中度影響水平相對(duì)較弱，但同樣具有銀行競(jìng)爭(zhēng)度提升作用；列（4）中介效應(yīng)第三階段分析能夠看出，數(shù)字金融能夠通過(guò)競(jìng)爭(zhēng)機(jī)制的引入，降低企業(yè)違約風(fēng)險(xiǎn)。上述分析證明了假設(shè)H2 成立，即數(shù)字金融發(fā)展會(huì)通過(guò)加強(qiáng)銀行競(jìng)爭(zhēng)程度，進(jìn)而降低企業(yè)違約風(fēng)險(xiǎn)，同時(shí)排除地區(qū)經(jīng)濟(jì)發(fā)展水平等影響后仍然成立。

3.進(jìn)一步引入銀行種類指標(biāo)

銀行網(wǎng)點(diǎn)增加可以區(qū)分為同一家銀行的區(qū)域網(wǎng)點(diǎn)擴(kuò)張以及新銀行網(wǎng)點(diǎn)設(shè)立兩種情況，前者更多體現(xiàn)出網(wǎng)點(diǎn)擴(kuò)張的金融普惠性特征，而后者更多體現(xiàn)出不同種類銀行的競(jìng)爭(zhēng)性特征。進(jìn)一步地，為區(qū)分金融可得性與銀行競(jìng)爭(zhēng)性對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)影響的差異，借鑒張偉俊等（2021）的分析方法，進(jìn)一步引入距離企業(yè)5km和10km半徑范圍內(nèi)的銀行種類對(duì)數(shù)值（lnbk5與lnbk10），同時(shí)根據(jù)20km區(qū)域內(nèi)銀行網(wǎng)點(diǎn)與種類是否同時(shí)增加作為分組依據(jù)，分為“銀行網(wǎng)點(diǎn)增加但種類未增加”組和“銀行網(wǎng)點(diǎn)種類同時(shí)增加及其他樣本”組，進(jìn)行分組回歸分析，結(jié)果如表8所示。

表8 銀行種類擴(kuò)張影響的進(jìn)一步區(qū)分

注：*、**和***分別表示10%、5%和1%水平下顯著；括號(hào)內(nèi)為t值。

變量lndig1 lnbk5 lndig1×lnbk5 lnbk10 lndig1×lnbk10_cons N控制變量年份/行業(yè)城市R2值（1）edfm-0.007（-0.649）0.043**（2.336）-0.008**（-2.498）（2）edfm-0.002（-0.205）（3）edfm-0.010（-0.389）（4）edfm-0.029***（-3.443）-0.386***（-5.977）15238 0.048***（2.604）-0.009***（-2.744）-0.410***（-6.094）15238-0.182（-1.092）2318-0.298***（-5.204）12930是是是是是是是是是是是是0.169 0.169 0.216 0.164

表8 列（1）和列（2）中，5km 和10km 內(nèi)銀行種類增加時(shí)，會(huì)顯著增強(qiáng)數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用；列（3）網(wǎng)點(diǎn)增加但種類未增加的樣本中，數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)降低作用并不明顯，列（4）網(wǎng)點(diǎn)增加種類也增加的樣本中，數(shù)字金融發(fā)展水平提高，才會(huì)顯著降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。上述分析進(jìn)一步證明，數(shù)字金融通過(guò)銀行競(jìng)爭(zhēng)度的提升，能夠促使更多商業(yè)銀行新設(shè)網(wǎng)點(diǎn)，進(jìn)而通過(guò)信貸質(zhì)量的提升，降低區(qū)域內(nèi)企業(yè)的債務(wù)違約風(fēng)險(xiǎn)。

五、結(jié)論與對(duì)策建議

本文使用2011—2018年中國(guó)A股上市公司數(shù)據(jù)，運(yùn)用面板數(shù)據(jù)固定效應(yīng)模型實(shí)證研究了數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響，得到以下結(jié)論：第一，從需求側(cè)看，數(shù)字金融發(fā)展顯著降低了上市企業(yè)的債務(wù)違約風(fēng)險(xiǎn)，其作用機(jī)制主要是緩解企業(yè)融資約束、提高投資效率；第二，從供給側(cè)看，數(shù)字金融會(huì)影響傳統(tǒng)銀行發(fā)展，具體表現(xiàn)為縮短了銀行與企業(yè)之間的地理距離、增加了金融可得性和銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)程度，從而能夠降低企業(yè)的債務(wù)違約風(fēng)險(xiǎn)；第三，若樣本所在城市中銀行種類增加，數(shù)字金融發(fā)展對(duì)企業(yè)債務(wù)違約風(fēng)險(xiǎn)的降低作用更為顯著。

基于以上研究結(jié)論，提出三點(diǎn)對(duì)策建議：首先，應(yīng)進(jìn)一步推動(dòng)數(shù)字金融發(fā)展，充分利用大數(shù)據(jù)帶來(lái)的信息優(yōu)勢(shì)，有效降低企業(yè)的融資成本，緩解融資約束并提高投資效率，進(jìn)而降低違約風(fēng)險(xiǎn)；其次，應(yīng)促進(jìn)數(shù)字金融與傳統(tǒng)金融的更好融合，充分發(fā)揮數(shù)字金融對(duì)傳統(tǒng)金融錯(cuò)配特征與信息不對(duì)稱問(wèn)題的緩解作用，通過(guò)金融普惠性同時(shí)縮短地理距離與信息距離；最后，通過(guò)數(shù)字金融的發(fā)展，提升傳統(tǒng)銀行市場(chǎng)競(jìng)爭(zhēng)程度，增加信貸質(zhì)量，進(jìn)而通過(guò)網(wǎng)點(diǎn)的合理布局降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)。