數字金融能緩解企業投融資期限錯配嗎

李 佳，段舒榕，吳聳杰

(山東師范大學經濟學院，山東 濟南 250358)

一直以來，長期投資是推動企業存續與發展、拉動經濟增長的重要因素，但《金融機構貸款投向統計報告》顯示，銀行中長期貸款占比普遍不高(1)人民銀行發布的年度《金融機構貸款投向統計報告》顯示，2010年銀行中長期貸款所占比重為60.29%，2020年為59.78%。，可見企業存在大量由短期融資支持長期投資的行為[1]。經典公司金融理論認為，投融資期限匹配倡導企業短期資產由短期資金籌集，長期資產由長期資金支撐[2]，而在“融資難、融資貴”背景下，企業不得不采用短期負債支持長期投資，引發了資產與負債的期限錯配(即“短貸長投”)[3]。這雖然有助于企業緩解融資約束，但也加劇了償債壓力與經營風險[1]。近年來，投融資期限錯配不僅導致大量企業陷入財務困境，也成為系統性風險的重要根源。深度剖析企業投融資期限錯配的緩解途徑，不僅符合金融服務實體經濟的時代要求，對于進一步深化金融供給側結構性改革，降低宏觀系統性金融風險也具有重要意義。

當前，以數字金融為代表的新興金融業態拓展了金融服務邊界，改善了借貸雙方的信息不對稱，為緩解企業融資困境與提供便捷高效的金融服務創造了空間[4]，而且數字金融也拓寬了企業的資金選擇范圍，提升了企業獲得長期資金的概率[5]。在此背景下，本文主要回答如下兩個問題：數字金融能否緩解企業投融資期限錯配？若能緩解，影響機制如何？

本文探討了數字金融對企業投融資期限錯配的影響。本文可能的邊際貢獻在于：第一，在借鑒大量文獻從宏觀經濟、金融制度和企業治理行為等視角揭示企業投融資期限錯配影響因素的基礎上，本文進一步基于數字經濟迅速發展的背景探究企業投融資期限錯配的變化，為優化企業投融資期限結構提供了新思路。第二，本文將企業“短貸長投”與數字金融相結合，探討數字金融影響企業“短貸長投”的具體機制，力求拓展數字金融影響效應的研究視域，并凸顯數字金融的學術和現實價值。第三，本文結論為推動企業資源合理配置及挖掘數字金融的經濟潛能等具有一定參考價值。此外，本文基于企業微觀數據，從多維度捕捉了相應的異質性特征，對行業、區域、治理水平等差異進行深入探討，不僅豐富了研究結論，也使對策建議更具針對性。

一、文獻綜述、理論分析與假設提出

(一)文獻綜述

1.關于數字金融功能效應的相關研究。早期針對數字金融的研究主要聚焦于數字金融的功能效應[5]，比如數字金融降低了金融交易成本，拓寬了金融服務邊界，同時依托先進信息技術，數字金融能夠精準分析微觀信息，以降低交易雙方的信息不對稱，緩解企業融資約束[6]，提升資源配置效率[7]。此外，迅速發展的數字金融不僅擠占了銀行存款業務，導致銀行存款的分流，其低成本與廣覆蓋等特征也不斷侵占銀行信貸業務[8]，削弱了銀行信用中介的功能優勢。

同時，數字金融的發展亦內生于實體經濟需求，其對實體經濟的影響也受到學術界廣泛關注，已有文獻主要從三個維度展開研究：宏觀層面，數字金融有效推動了產業結構升級與包容性增長[9][10]；區域層面，數字金融能夠對區域創新產生激勵效應[11]；微觀層面，數字金融對私人借貸產生了有益影響[12]，并顯著提升了企業創新水平與全要素生產率[13][14]。

2.關于企業投融資期限錯配影響因素的研究。投融資期限錯配的根源是金融市場發展滯后導致的金融制度缺陷[3]。國內企業的“短貸長投”主要表現為應對金融抑制的替代性機制[1]，同時“短貸長投”也可能加劇企業經營風險[15]。為此，多數學者以金融制度缺陷為切入點，認為提高貨幣政策適度水平[1]與產融結合[15]等可以緩解企業投融資期限錯配。此外，也有文獻基于企業自身特征研究投融資期限錯配的影響因素，比如管理層的非理性因素[16]、家族控制權的“侵占效應”與董事高管責任保險[17]等。

當然，現有文獻也存在需要拓展的方向：一是數字金融的功能效應能否作用于企業投融資期限錯配，需要深入分析；二是針對企業投融資期限錯配影響因素的研究視域，需要基于數字金融的功能效應進行延伸，而且數字金融與企業“短貸長投”的關系是否存在異質性特征，也需要予以明確和研究。為此，本文基于數字金融的功能效應，詳細探討數字金融與企業投融資期限錯配的關系。

(二)理論分析與假設提出

1.數字金融與企業投融資期限錯配的基本關系。經典公司金融理論認為，企業資產期限應當與債務期限匹配，以規避債務代理成本與流動性風險[2]。現實中，銀行貸款是企業融資的主要途徑[1]，基于風險管理的考慮，發放短期貸款有助于銀行應對監管考核，因而銀行發放短期貸款的意愿高于長期貸款，導致企業長期投資不得不依靠短期融資[18]，由此產生投融資期限錯配的“短貸長投”行為。數字金融的本質在于提升金融資源配置效率，能夠改善企業融資環境，增加企業獲得長期資金的可能性。首先，投融資期限錯配的根源在于企業融資需求無法有效滿足，而數字金融打破了金融服務的空間限制，有助于資金在更寬范圍內調配，為企業獲得長期資金創造了空間；其次，數字金融能夠挖掘傳統信息披露方式無法獲得的客戶信息，有助于銀行打造先進的信息系統以強化外部風險評估[19]，伴隨信貸風險的下降，銀行提供長期貸款的意愿也會增強；最后，數字金融衍生的眾多新型數字化場景，有助于吸引更多中小投資者的資金，豐富了傳統銀行信貸之外的融資渠道[20]。同時，利用數字技術迅速發展的趨勢，銀行也實現了數字化轉型，形成了簡易化的信貸交易流程，這都為銀行增加長期信貸提供了可能。為此，本文提出研究假設：

H1：在其他條件不變的情況下，數字金融的發展會改善企業投融資期限錯配。

2.數字金融對企業投融資期限錯配的間接影響。數字金融的發展為企業融資紓困提供了新的契機，其信息甄別優勢也提升了資金供求雙方的信息對稱度，拓寬了微觀主體的融資渠道。接下來，本文基于融資約束和信息不對稱等維度分析數字金融對企業投融資期限錯配的影響機制。

(1)數字金融的廣泛運用延伸了金融體系的觸達邊界，拓寬了企業融資來源，降低了企業融資約束[7]。一方面，數字金融與銀行業務的廣泛融合，使銀行能夠充分利用先進的信息化、數字化技術對業務模式、服務與流程進行優化，并對企業風險進行精準評估，因而提高了供給長期資金的意愿；另一方面，數字金融克服了傳統融資模式無法滿足長尾企業資金需求的缺陷，使多數企業都有機會享受數字化融資服務，而且融資雙方通過數字金融平臺即可實現自發匹配，這不僅惠及了更多尾部群體，也提升了企業獲取融資的概率，降低了融資約束。總之，數字金融延伸了金融服務的通達范圍，使有融資需求的企業能夠更加便利地獲得資金，有助于融資約束的緩解。

當前，融資約束成為企業投融資期限錯配的重要原因，而數字金融不僅優化了銀行信貸結構，提升了銀行供給長期信貸的偏好，更為企業提供了除銀行信貸之外的融資渠道，使企業能夠基于自身融資需求選擇不同期限的融資方式。可見，借助數字金融的發展，企業不僅緩解了融資約束，也獲得了促進資產和負債期限更為匹配的空間，因而改善了投融資期限錯配。

(2)數字金融的發展提高了資金供求雙方的信息對稱度。第一，信息不對稱程度越高，銀行越傾向于發放短期貸款[21]，而數字金融的發展能夠緩解銀企之間的信息不對稱，打造智能化的信用評估系統[22]，對企業未來還貸能力、經營狀況、發展潛力進行精準評估[23]。第二，互聯網和大數據等新興技術不僅拓寬了資金供給者獲取信息的渠道，還能夠挖掘傳統信息披露方式無法獲得的客戶信息，這不僅降低了資金供求雙方的信息不對稱，也提高了融資成功的概率。第三，數字金融的發展也有利于信息在融資市場中實現共享，有融資意愿的企業可以借助數字金融平臺披露高質量的信息，主動減少與銀行等金融機構的信息不對稱。

企業作為融資市場上的劣勢方，其信息質量會影響信貸可得性，而且信息不對稱的存在使銀行等金融機構更傾向于提供短期貸款[1]。信息透明度是金融機構提供融資與控制風險的重要參考[22]，只有信息披露質量提升，銀行才愿意提供長期融資[24]。鑒于此，借助數字金融的信息披露系統，企業能夠提升自身信息透明度，從而降低融資雙方的信息不對稱，增加獲取長期融資的概率[25]。因此本文認為，數字金融可以通過提升信息披露質量，緩解企業投融資期限錯配。

鑒于此，本文進一步提出研究假設：

H2：數字金融主要通過降低融資約束與提升信息披露質量，從而改善企業投融資期限錯配。

二、研究設計

(一)數據來源

本文研究樣本主要來自：(1)北京大學數字金融研究中心發布的數字普惠金融指數；(2)中國A股上市公司數據(2011—2020年)來源于國泰安數據庫。本文剔除了金融類、ST及*ST、連續虧損、主要變量存在缺失的企業樣本，并對連續變量進行雙側1%的縮尾處理。本文根據上市公司注冊地信息，將上市公司數據與地級市層面數字金融數據進行匹配。

(二)模型構建與變量說明

本文構建基準實證模型如下：

SFLIi,j,t=α0+α1Indexj,t+αControlsi,j,t+θ+δ+γ+εi,j,t

(1)

其中，SFLIi,j,t為企業i在第t年的“短貸長投”行為，Indexj,t表示企業i所在城市j在第t年的數字金融發展水平。Controls是一系列控制變量。為了避免企業、行業及宏觀經濟變化等遺漏變量的影響，本文分別控制了城市(θ)、行業(δ)與年份(γ)固定效應，ε是隨機誤差項。為了確保估計結果的可信度，將標準誤同時聚類至行業和年份。

1.被解釋變量：“短貸長投”。參考賴黎等(2019)[17]的思路，將“短貸長投”(SFLI)定義為“購建固定資產等投資活動現金支出-(長期借款本期增加額+本期權益增加額+本期經營活動現金凈流量+本期出售固定資產現金流入)”，并利用上一年度總資產剔除規模效應，該值越高，說明企業投融資期限錯配越嚴重。其中，長期借款本期增加額以“本期長期借款+本期一年內到期非流動負債-上一期長期借款”來衡量。此外，與陳曉輝等(2021)[26]的做法一致，本文也設置了“短貸長投”虛擬變量(SFLI_DUM)，若SFLI>0，表明企業存在“短貸長投”行為，此時SFLI_DUM取值為1，否則為0。

2.核心解釋變量：數字金融。借鑒萬佳彧等(2020)[4]的研究，采用北京大學數字金融研究中心發布的數字普惠金融指數(Index)進行分析。第一，該指數由海量微觀金融數據搭建而成，能夠全面客觀評價各地區數字金融發展程度；第二，該指數可細化為覆蓋廣度、使用深度和數字化程度等維度，能夠集中體現數字金融的服務門檻和成本、資金供給能力及金融服務的技術化水平[27]；第三，多數研究中，企業信息披露質量改善與融資約束緩解所依賴的數字金融環境實質也是基于該指數所描繪的數字金融發展水平[4][7][27]。具體到本文，針對企業投融資期限錯配的研究，事實也是探討企業資金配置問題，為此采用北京大學數字金融研究中心發布的數字普惠金融指數進行分析。

3.控制變量。參照已有文獻[1][17][26]的做法，本文還選取了可能影響企業“短貸長投”行為的控制變量，主要包括資產報酬率(ROA)、資產負債率(Lev)、托賓Q值(Tobin-Q)、企業成立年限(Age)、長期借款(Loan)、資產流動性(Liquidity)、現金余額(Cash)和產權性質(State)。變量說明見表1。

表1 變量說明

三、基準實證結果與分析

(一)數字金融與企業“短貸長投”的基本關系

表2匯報了基準估計結果。第(1)列未加入年份、行業與城市固定效應，數字金融(Index)系數顯著為負，說明數字金融有效緩解了企業投融資期限錯配，即數字金融的發展改善了企業“短貸長投”。第(2)列加入了年份、行業與城市固定效應，第(3)列將標準誤同時聚類于行業和年份，數字金融(Index)系數亦顯著為負。表2結果證實了基準假設H1的合理性。

表2 基準回歸結果

(二)內生性處理：工具變量回歸

為了規避數字金融與企業投融資期限錯配之間的“雙向影響”，以及遺漏變量干擾可能導致的內生性問題，本文參考黃群慧等(2019)[28]的思路，選取各城市1984年每百萬人固定電話數量(Phone)作為數字金融的工具變量。一方面，互聯網走進大眾視野基本從電話線撥號開始，因此歷史上固定電話數量與互聯網技術及數字金融的發展存在緊密關系，以1984年每百萬人固定電話數量作為數字金融的工具變量能夠滿足相關性要求；另一方面，歷史上固定電話數量僅能通過數字金融的發展作用于當前企業的“短貸長投”行為，因而以1984年每百萬人固定電話數量作為數字金融的工具變量也符合外生性要求。在具體處理中，各城市1984年每百萬人固定電話數量來自《中國城市統計年鑒》，本文將上述數據手工整理后與企業數據匹配，并進行2SLS估計。

表3第(1)列Phone系數顯著為正，第一階段F值遠大于經驗值10，表明1984年每百萬人固定電話數量與數字金融高度相關，第(2)列Index系數顯著為負，說明進行內生性控制后，數字金融對企業“短貸長投”依然存在抑制作用。為了進一步驗證工具變量的外生性，本文匯報了Kleibergen-Paap Wald 統計量和Kleibergen-Paap LM統計量，其對應的概率值(P值)小于1%，并將第二階段回歸殘差和工具變量分別作為被解釋變量與解釋變量，判斷工具變量能否對殘差產生影響。第(3)列的工具變量系數估計值不顯著，說明工具變量對殘差不具有解釋效力。這些結果均證明本文選取的工具變量能夠滿足外生性。表3結果說明控制內生性后本文結論依舊穩健。

表3 內生性處理

(三)其他穩健性檢驗(2)限于篇幅，具體結果未報告，作者備索。

為了保證結果可信，本文也進行了其他穩健性檢驗：一是更換核心解釋變量。選取數字金融的覆蓋廣度、使用深度和數字化程度進行檢驗。二是更換被解釋變量。分別界定企業“短貸長投”虛擬變量(SFLI_DUM)與短債長用(LS)變量，其中短債長用(LS)為“短期負債與總負債之比-短期資產與總資產之比”。三是更換樣本集。考慮到國家計劃單列市享有省一級經濟管理權限，同時，杭州市的數字金融指數高于其他地區，因此在樣本中剔除國家計劃單列市和杭州市。穩健性檢驗結果顯示，本文基準結論保持不變。

四、異質性分析與影響機制探討

(一)異質性分析

1.基于金融發展程度的異質性分析。地區金融發展程度越高，企業獲得長期融資的概率也越高。同時，在金融發展程度較高的地區，傳統金融機構與數字金融能夠實現更高程度的融合，不僅提高了傳統金融機構的資金供給和信息處理能力，數字金融功能的發揮效率也會提升。因此，本文認為在金融發展程度較高的地區，數字金融對企業“短貸長投”存在更大的緩解效應。借鑒張寬和黃凌云(2019)[29]的研究，選取地區銀行年末存貸款余額與地區GDP之比衡量地區金融發展水平，并根據中位數將樣本劃分為金融發展程度高組和低組。表4第(1)、(2)列顯示，Index系數僅在金融發展程度高組顯著為負，由此驗證了上述推論。

2.基于行業的異質性分析。制造業具有長期資金需求量大的特點，但由于長期投資風險高，銀行一般傾向于降低對制造業的長期資金供給，因此制造業具有更加嚴重的投融資期限錯配問題。而依托數字金融平臺，銀行能夠精確獲取制造業企業信息，并增加對制造業提供長期資金的偏好。為此，數字金融的發展應當更有利于緩解制造業企業的“短貸長投”。本文根據行業分類和代碼提取出制造業與服務業子樣本。表4第(3)、(4)列顯示，Index系數僅在制造業樣本中顯著為負，符合上述推論。

3.基于區域的異質性分析。相比中西部地區，東部地區經濟發展和數字金融發展水平更高，本文根據企業所在省份將樣本劃分為東部和中西部地區兩個子樣本。表4第(5)、(6)列顯示,Index系數僅在中西部地區顯著為負，說明數字金融對中西部地區企業投融資期限錯配產生了抑制效應。

表4 異質性分析(一)

4.基于企業成長性的異質性分析。對于成長性較高的企業，發展過程中可能面臨更多的不確定性，具有更高的經營風險和信用風險，一般在融資市場中處于劣勢地位，并面臨更加嚴重的資金困境[28]，投融資期限錯配程度也更高。本文認為，數字金融的發展應當更有助于緩解成長性較高企業的投融資期限錯配。借鑒李明明和劉海明(2022)[30]的研究，選取銷售收入增長率衡量企業成長性，并根據中位數將樣本劃分為企業成長性高組和低組。表5第(1)、(2)列顯示，Index系數僅在企業成長性高組顯著為負，即數字金融的發展更有助于緩解成長性較高企業的投融資期限錯配，由此驗證了上述猜想。

5.基于治理水平的異質性分析。具有較高治理水平的企業更容易獲得長期融資，本文推測數字金融更易降低治理水平較低企業的“短貸長投”。參考陳曉輝等(2021)[26]的做法，納入第一大股東持股比例、前十大股東持股比例、獨立董事比例、董事會規模、機構投資者持股比例、高管持股比例、前三名高管薪酬等七個變量，采用主成分分析法獲取治理水平指標，并根據中位數將樣本劃分為治理水平高組和低組。表5第(3)、(4)列顯示，在治理水平低的樣本中，Index系數更為顯著，由此驗證了上述推論。

表5 異質性分析(二)

(二)影響機制探討

第一，借助信息搜集、甄別、處理等功能，數字金融能夠緩解企業與銀行之間的信息不對稱，提升資金供給者提供長期融資的偏好。參考陳大鵬等(2019)[31]的做法，基于DD模型測算盈余質量作為企業信息披露質量的代理變量，計算公式如下：

TAi,t/Asseti,t-1=λi,t+λ1/Asseti,t-1+λ2CFOi,t-1/Asseti,t-1+λ3CFOi,t/Asseti,t-1+λ4CFOi,t+1/Asseti,t-1

其中，TA、Asset、CFO分別為企業應計利潤、年末總資產、經營活動產生的現金流量凈額。企業信息披露質量用上式回歸結果的殘差(Inf)表示，數值越大代表企業信息披露質量越差。

表6第(1)列Index系數顯著為負，即數字金融提高了企業信息披露質量，第(2)列Inf系數顯著為正，Index系數顯著為負，可見信息披露質量的提升是數字金融緩解企業投融資期限錯配的機制之一。

第二，數字金融能夠通過緩解融資約束抑制企業的“短貸長投”行為，本文選取SA指數測度企業融資約束，計算公式為：

SA=-0.737×Size+0.0434×Size2-0.04×Age

其中，Size為企業規模的對數，Age為企業成立年限，SA值越低說明企業融資約束越嚴重。

表6第(3)列Index系數顯著為正，第(4)列SA與Index系數均顯著為負，說明數字金融的發展不僅降低了企業融資約束，更通過緩解融資約束抑制了企業“短貸長投”。

第三，憑借大數據與人工智能等技術手段，數字金融縮短了資金融通的交易鏈條，有助于降低企業融資成本，因此在數字金融對企業投融資期限錯配的影響中，也應當考慮融資成本的作用機制。本文將融資成本(FC)定義為“資本支出、利息收入之和與總負債之比”。

表6第(5)列Index系數顯著為負，可知數字金融降低了企業融資成本，第(6)列Index系數顯著為負，FC系數顯著為正，意味著融資成本的降低也是數字金融緩解企業投融資期限錯配的重要機制。

表6 影響機制分析

五、進一步分析

(一)數字金融、企業投融資期限錯配與投資效率

“短貸長投”反映企業長期投資無法獲得相匹配的長期融資，實質是企業無法進行有效的長期投資，進而降低了投資效率[32]。隨著“短貸長投”的緩解，企業不僅獲得了更多長期融資，也為提升投資效率創造了條件，因此,若數字金融改善了企業投融資期限錯配，將提升企業投資效率。本文采用Richardson(2006)[33]模型回歸結果的殘差測度企業投資效率(IE)：

INVi,t=μ0+μ1INVi,t-1+μ2CASHi,t-1+μ3SIZEi,t-1+μ4LEVi,t-1+μ5GROWi,t-1+μ6RETi,t-1

+μ7AGEi,t-1+YEAR+INDUSRTRY+φi,t

其中，企業當年新增資本投資額(INVi,t)的計算借鑒于文超等(2020)[34]的做法：INV=(購建固定資產、無形資產和其他長期資產支付的現金-處置固定資產、無形資產和其他長期資產收回的現金凈額)/期初總資產。INVi,t-1、CASHi,t-1、SIZEi,t-1、LEVi,t-1、GROWi,t-1、RETi,t-1、AGEi,t-1分別為企業上一年的新增資本投資額、貨幣資金持有量(貨幣資金/期初總資產)、總資產的自然對數、資產負債率、成長性(營業收入增長率)、股權收益率與成立年限。YEAR和INDUSTRY分別代表年份和行業虛擬變量。對上述模型OLS回歸后的殘差取絕對值得到各企業年度投資效率，絕對值越大，投資效率越低。

表7第(1)列SFLI系數顯著為正，說明企業“短貸長投”降低了投資效率，第(2)列Index×SFLI系數顯著為負，說明數字金融能夠緩解企業投融資期限錯配對投資效率的負向影響。

(二)數字金融、企業投融資期限錯配與金融資源配置

融資市場中不同企業非對稱的融資能力是金融錯配的具體表現，且企業投融資期限錯配也體現了貨幣資金扭曲的配置效率。為此，本文進一步分析數字金融對企業投融資期限錯配的有益影響是否改善了金融錯配。參考王欣和曹慧平(2019)[35]的做法測算金融錯配程度(FM)：

FMijt=|(RAijt-MRit)/MRit|

其中，RAijt表示行業i中企業j在t期的資本回報率，用利潤與成本費用之比表示；MRit表示行業i在t期的平均資本回報率；FMijt表示行業i中企業j在t期的資本效率偏離度，以此衡量金融錯配程度，絕對值越大，企業金融資源錯配越嚴重。

表7第(3)列結果說明企業投融資期限錯配產生了金融資源錯配，第(4)列Index×SFLI系數顯著為負，說明數字金融能夠改善企業“短貸長投”對金融資源配置效率的扭曲程度，可見數字金融優化了企業貨幣資金的使用。

(三)數字金融、企業投融資期限錯配與違約風險

企業投融資期限錯配將加劇經營風險[1]，本文進一步檢驗數字金融能否通過改善企業“短貸長投”以緩解違約風險。參考陳曉輝(2021)[26]的做法，用違約概率(EDF指標)度量企業違約風險。

其中，DDit為違約距離；Eit為企業總市值；Dit為企業期末短期負債與長期負債之和的1/2，代表企業債務的賬面價值；rit-1為企業上一年的年度股票收益率；Tit設置為1。Vit為企業資產價值波動率，主要基于如下公式得出：

其中，σEit為企業權益波動率。

根據上式計算出違約距離DDit，然后進行累積標準正態分布處理，得到簡化的違約概率(EDF)：EDFit=N(-DDit)。

表7第(5)列SFLI系數顯著為正，說明企業“短貸長投”加大了違約風險，第(6)列Index×SFLI系數顯著為負，說明數字金融能夠緩解企業投融資期限錯配對違約風險的不利作用。

表7 進一步分析

六、結論與建議

本文以中國A股上市公司數據為樣本，探討了數字金融與企業投融資期限錯配的關系，結論如下：第一，數字金融顯著抑制了企業“短貸長投”行為，該結論在一系列穩健性檢驗后依舊成立。第二，數字金融的發展不僅提高了企業信息披露質量，也緩解了企業融資約束，這是數字金融影響企業投融資期限錯配的重要機制；異質性分析發現，數字金融對企業投融資期限錯配的緩解效應在制造業、中西部地區、金融發展程度高、成長性高與治理水平低等樣本中更為顯著。第三，數字金融對企業投融資期限錯配的改善效應提高了企業投資效率，也改善了金融資源錯配，并降低了企業違約風險。

在研究結論的基礎上，本文提出如下建議：第一，充分發揮數字金融的功能優勢，強化數字金融平臺融資渠道多元、信息披露充分、服務觸達性強與融資成本低等功能，力求打通“資金供給—融資需求”的傳導鏈條。第二，企業應當積極利用數字金融平臺提高所披露信息的準確性與完整性，努力降低與資金供給者之間的信息不對稱程度；銀行等金融機構也應充分利用數字金融的發展構建完善的風險監控與信息處理系統，打造信息化、智能化、差異化的風險評估系統，針對不同發展定位的企業制定不同的服務策略，以滿足企業多元化融資需求。第三，監管部門應該為數字金融發揮功能效應創造有利的保障條件，既要維護公平有序的競爭環境，也要防止不正當的壟斷行為，在數字金融功能發揮與功能監管之間打造均衡的監管機制，為有效引導數字金融功能效應的發揮注入動能，構建更加完善的金融市場體系，通過金融市場的高質量發展強化企業投融資期限匹配的合理性，防止企業“脫實向虛”引發的系統性風險。