數字化視角下農村金融市場結構重塑與優化

○中國人民銀行成都分行營業管理部課題組

四川成都 610041

一、引言及文獻綜述

（一）研究背景及意義

農村金融市場結構會影響農村金融供給主體的經營行為、績效，決定了農村金融整體效能。新中國成立以來，我國農村金融歷經數次改革，金融組織體系幾經調整，金融市場結構也隨之改變。總體來看，我國農村金融改革以經濟發展需求為導向，農村金融市場結構調整與農村金融改革進程基本一致。當前，農村經濟社會邁入數字時代，數字化緩解了農村金融的諸多短板，也使農村金融市場結構面臨前所未有的變革。

有別于以往政策驅動型的農村金融市場改革，數字化孕育了傳統金融無法觸達的農村金融新模式。數字時代如何有效搭建與之相融的農村金融體系，進一步優化農村金融市場結構？如何通過數字化引領農村金融發展，避免農村金融市場改革“按下葫蘆浮起瓢”的問題？因此，研究數字化時代的農村金融市場結構不僅僅是理論問題，也是做好新時期農村金融改革工作的前瞻性探索，有助于引導農村金融市場結構朝著有利于農村數字經濟發展的方向進行，助力鄉村振興。

（二）研究進展

經典經濟學理論認為金融結構變動是推動經濟發展的重要因素，農村金融市場結構變動也是推動農村經濟發展不可或缺的要素。部分研究圍繞農村金融市場結構變遷的原因及影響展開。改革開放后，我國農村金融改革以機構多樣化為主線（何廣文，2004），農村金融市場高壟斷、低效率（崔紅，2008），市場結構變遷的內在根源來自我國經濟體制改革（黃惠春等，2011），制度變遷成為決定農村金融市場結構、提高市場績效的主因（趙雪梅，2016）。隨著數字鄉村建設的推進，利用數字技術激活農村沉淀資產價值（溫鐵軍，2021），提高農村金融市場競爭度，優化農村金融市場結構，促進農村金融服務“普”和“惠”兩者兼得成為化解農村融資難題的重要方向（崔恒瑜等，2021）。農村金融市場結構也是研究信貸供給主體行為、績效影響的重要方向。農村金融市場結構問題是涉農金融機構經營績效低的重要原因（郭樹華，2007），壟斷性的農村金融市場降低了銀行在農村地區信貸投放的積極性（羅富民，2007）。當前，數字化的引入增強了農村金融競爭，提升了農村金融市場服務效能（朱太輝等，2021），如村鎮銀行的設立在農村金融市場發揮了“鯰魚效應”，提高了農信社和農商行發放涉農貸款的意愿（崔恒瑜等，2021）。部分研究關注農村金融市場結構對信貸需求主體貸款可得性的影響。農村金融市場集中度與農村中小企業信貸可得性呈顯著負相關（董曉林等，2011），區域銀行集中度越高，信貸獲取的難度越大，其他金融機構的支農效果越弱（董艷，2020），不利于農業增長、農業全要素生產率的提高（孟守衛，2019）。數字化可覆蓋規模龐大的“長尾人群”（Jagtiani,2018；Corti?na,2018），數字技術可以改變農村金融獲客成本高、風控難度大的制約，滿足農戶或小微農企的金融需求（黃益平等，2018）。

可以看出，已有研究主要圍繞農村金融市場結構變遷、市場集中度與信貸可得性等方面展開，針對數字化與農村金融市場結構變化的研究相對缺乏。鑒于此，本文以農村數字化為切入點，考察農村金融市場結構的因應變化，探討如何構建適合數字鄉村發展的金融市場結構，服務鄉村振興。

綜上，本文邊際貢獻在于：首先，把數字化引入農村金融市場結構研究，填補了數字化與農村金融市場結構研究的空白；其次，從理論和實踐兩方面探析數字化對農村金融的顛覆性影響，提出數字化可能重塑農村金融市場結構；最后，本文基礎數據10余萬條（不同維度數據總量40余萬條），精確到縣域和單家銀行，具有獨占性，彌補了農村金融市場結構微觀數據不足短板。

二、農村金融市場的結構變遷與數字化嬗變

回溯我國農村金融發展歷程，農村金融市場從配給、壟斷到競爭，市場集中度持續下降、市場結構日趨多元。近年來，隨著數字技術與農村經濟社會的不斷融合，鄉村數字化水平顯著提升，農村金融市場迎來數字化變革。

（一）農村金融市場結構演變及成因

1.市場集中度持續下降，市場結構不斷優化。1979—2020年我國農村金融市場集中度從0.63大幅下降到0.26（見圖1），市場結構持續優化，但仍屬于高寡占型①HHI乘以10000后的市場分類標準，高寡占Ⅰ型≥3000，3000>高寡占Ⅱ型≥1800，1800>低寡占型Ⅰ型≥1400，1400>低寡占Ⅱ型≥1000，1000>競爭Ⅰ型≥500，500>競爭Ⅱ型。。改革開放初期，在國家恢復和重建農村金融系統的推動下，市場集中度快速下降，農村金融走向市場化；90年代新一輪農村金融體制改革再次帶動市場集中度下降，市場結構逐步改善；2014年后金融服務“三農”政策深度發力，市場結構全面優化。從演變歷程來看，我國農村金融市場結構變遷本質上是農村金融改革的縮影和結果。

圖1 改革開放后農村金融市場結構（HHI）演變情況

2.機構類型日益豐富，市場結構日趨多元。歷經數次農村金融改革，我國農村金融機構從改革開放初期的“二分天下”，逐漸發展為商業、政策、合作性、其他金融機構共存的格局（見圖2），農村金融市場機構類型不斷豐富、機構數量顯著增加，市場結構日趨多元。從機構演變來看，多層次、多樣性的農村金融市場體系基本建立。

圖2 不同時期農村金融市場結構演變情況（分機構類型）

3.市場集中度總體呈現“西高東低”，市場結構區域差異明顯。我國涉農貸款占比較高的地區由早期的中部、東部、東北部逐漸向東部發達地區集中，市場集中度呈現出“西高東低”的區域差異，表明經濟發展水平與農村金融市場集中度息息相關。從區域演變來看，農村金融市場結構本質上內生于經濟發展。

（二）農村金融市場結構變遷的理論闡釋

1.計劃經濟時期農村金融市場的強制性替代。在一個簡化的兩部門經濟中，假定兩個部門分別為工業部門和農業部門，在資源和技術水平既定條件下，金融資源配置到工業部門越多，農業部門使用的金融資源就越少，反之亦然。在市場機制下金融資源會根據兩部門的效率流動轉移，最終達到均衡狀態。但在政府干預的條件下，政府可以把金融資源強制從農業部門轉移到政府優先發展的工業部門。

如圖3所示，生產可能性曲線上點A移向B點時，工業部門金融資源配置從Q1'增加到Q2'，而農業部門金融資源則從Q1減少到Q2。隨著工業部門金融資源配置的增加，配置到農業部門的金融資源不斷減少，農村金融市場走向行政壟斷。

圖3 農村金融資源強制性替代模型

2.轉軌時期農村金融市場結構的短期均衡。市場結構會影響市場主體的行為和績效，但從制度演進的邏輯來看，政府介入農村金融市場的適度邊界本質上取決于經濟社會發展狀況。一直以來我國農村金融市場受到政策嚴格管制，制度成為主導我國農村金融市場結構演化的重要因素，因此在分析農村金融市場時還應引入制度因素。

如圖4所示，假設農村金融市場是政府因素和市場因素的有效組合，那么政府和市場力量的變化決定著農村金融市場結構的短期動態均衡。圖中存在市場和政府兩種類型的可能性曲線，IPF1相對平緩，意味著政府力量更強，政策性金融主導農村金融市場；IPF2比較陡峭，表示市場因素占優，商業性金融主導農村金融市場。AOD和BOC分別表示政府主導型和市場主導型市場結構的有效集合，兩個區域的制度效用曲線為IU1和IU2，與制度可能性曲線IPF1和IPF2相切，切點表示政府和市場要素的最優組合。隨著農村經濟社會發展，有效集會向右移動，形成新的有效組合。

圖4 農村金融市場結構的短期均衡

3.市場經濟下農村金融市場結構的長期演進。短期來看，在農村經濟發展水平的現實約束下，農村金融市場會選擇成本最小的制度結構。但長期來看，制度選擇和市場結構并非一成不變，只有在特定的經濟和社會環境下才會實現暫時的穩態；這種短期均衡會隨著農村經濟社會發展而被打破，并在制度環境、技術進步等因素的影響下形成新的均衡。

如圖5所示，SCP1下方表示政府過度干預導致農村經濟社會整體低效率運行，使制度的可能性曲線向SCP1收斂，直到達到新的短期均衡。SCP2上方為市場因素下農村金融缺乏制度約束，金融市場整體績效受到損害，可能性曲線向SCP2收斂。數字化可以引領農村經濟結構變化、制度變革、技術進步等，從而使均衡組合向SCP1和SCP2之間的區域靠攏，最終形成農村金融市場長期制度曲線LSCP。

圖5 農村金融市場結構的長期演進

（三）農村金融市場的數字化嬗變

1.農村金融市場環境的數字化變革。北京大學首次發布的《縣域數字鄉村指數報告》顯示，2018年縣域數字鄉村指數為50，南、北方分別為53.7和47.2，南方地區縣域所有子項全面超越北方（見表1）；2020年數字鄉村指數增長到55.7，南、北方分別增長到59.5和53.0。從南北差異均值和標準差看，南、北方數字化發展水平的差距在縮小，縣域間數字化發展水平的差異在降低。隨著數字化滲透農村生產、生活各個領域，內生于農村數字經濟發展的農村金融市場開始數字化變革。

表1 縣域數字鄉村發展指數

2018年數字鄉村指數處在較高水平及以上的縣域占比17.6%，2020年占比增長到34.5%（表2），數字化水平較高及以上的縣域占比增長近100%，為農村金融市場數字化變革奠定了良好的數字環境。

表2 縣域數字鄉村發展情況（單位：%）

2.農村金融市場機構的數字化變革。如表3所示，從數字化轉型時間來看，2015年后開始數字化轉型的銀行中，國有銀行和城商行占比分別為83.1%和70%，農商農信和村鎮銀行占比約為50%和31.6%；村鎮銀行和城商行未開展數字化轉型的機構占比較高，分別為63.2%和23.3%。從數字化轉型方式來看，內部數字化轉型是國有大行和農商農信銀行數字化轉型的首選，占比分別為94.4%和82.1%；城商行則以內部數字化轉型為主，外部機構合作為輔。如表4所示，從數字化轉型進度來看，國有大行數字化轉型水平較高，數字化轉型進度50%以上的占65.3%，農商農信、城商行分別占39.3%和35.5%，村鎮銀行數字化轉型進度最低，63.2%的村鎮銀行尚未開始數字化轉型，轉型進度超50%的僅為10.5%。從數字化轉型的影響來看，調查數據顯示，國有大行和農商農信認為數字化轉型對農村信貸業務有較大推動作用；而城商行和村鎮銀行認為推動作用有限，這可能與城商行涉農貸款少，村鎮銀行數字化轉型水平較低有關。

表3 縣域金融機構數字化轉型時間和方式（單位：%）

表4 縣域金融機構數字化轉型進度和影響（單位：%）

3.農村金融市場服務的數字化創新。數字鄉村驅動農村數據資源指數級增長和裂變式衍生，多種以數據為基礎的金融業務模式應運而生。主流模式包括：以阿里巴巴和京東為代表的電商平臺供應鏈農村數字金融模式；以大北農、新希望為代表的核心企業產業鏈數字金融模式和以農業銀行、建設銀行為代表的金融機構農村數字金融模式（見表5），三種模式疊加優化農村金融市場資金供需匹配機制，提高農村金融服務可得性、便利性和有效性。

表5 農村金融服務模式的數字化創新典型案例

三、數字化重塑農村金融市場結構的機制

數字鄉村建設提高了農村生產、生活的數字化水平，同時針對農村金融市場既存底層難點，依托對服務、信用及物權價值的數字賦能路徑，持續重塑農村金融市場的運行機制（見圖6）。

圖6 數字化發展對農村金融市場結構的重塑路徑

（一）數字化推動金融機構下沉，優化農村金融市場結構

1.數字化重構農村金融供給方式，降低需求刻畫成本。農村生產及生活數據往往較為分散，難以形成有效整合，且不同家庭特征、經營規模等因素導致農村借款方的融資需求呈現顯著異質性。對此，金融機構利用數字技術進一步顯化農業數據內在價值，不斷創新“數據獲取→數據管理→數據利用”模式，打破數據系統割裂狀態下的孤島效應并精準匹配信貸供需雙方，有效化解異質性影響下的供需認知障礙，逐步實現農村長尾客群信貸規模經濟。例如，四川天府銀行打造的數字化財富管家系統，完善客戶畫像并細分客群類型，定制匹配客群需求的產品及權益。

2.數字化改變農村金融服務模式，降低獲客決策成本。農村往往地理位置偏遠、基礎設施建設薄弱、金融服務廣泛深入觸達難度較大，因此，金融機構利用數字技術的顯著正外部性，逐步提升金融服務的覆蓋率與便利性。金融機構通過搭建數字化線上服務場景，拓寬獲客路徑并減少對成本高昂的物理網點的依賴。如：中國建設銀行發布致力于服務小微企業、個體工商戶、農戶的“建行惠懂你”APP3.0，目前APP服務個人用戶超過1700萬戶，企業用戶超過850萬戶；同時在“適農適老”要求下，數字技術被不斷應用于金融配套服務。

3.數字化強化農村金融風險防治，降低風險管理成本。受到農業弱質性影響，農村金融呈現出高風險、低收益的特點，因此在數字化背景下，金融機構利用各項數字手段優化風控機制。金融機構通過關聯借款人多場景數據、動態追蹤抵押品狀態等方式進行數據的交叉驗證，及早識別可疑信息，降低逾期發生概率。如：成都農商行基于交易信息、案件信息等，建立可覆蓋農村金融業務事前、事中、事后全流程的風控體系；而逾期發生后，則運用數字技術智能分析逾期原因及風險等級，精準匹配具備相應催收業務水平的人員。例如，某上市銀行上線“追一科技”智能催收后，語音機器人日均呼出有效催收電話約2000通，催收成功率達55%—62%。

（二）數字化拓展農村信用邊界，拓寬融資渠道

1.數字化催生“數字信用”。由于農村征信體系基礎較為薄弱，農村地區往往信用信息采集不足。金融機構運用數字技術，從農業生產、電商交易、日常繳費、線上社交等渠道獲取農村借款方的信用底層數據，推動各類政府信息、生產生活場景平臺數據互聯互通，完成碎片化數據整合及其由“線”到“面”的轉換，為農村借款方賦予“數字信用”。如：京東科技與郵儲銀行、北京農擔聯手打造面向從事養殖行業的小微企業主、個體工商戶的“郵儲-京農貸”，利用物聯網、云計算等技術將農業生產過程數字化，為“三農”生產數據賦予信用價值。

2.數字化驅動靜態信用轉向實時動態信用。傳統的農戶信用評價存在人力及時間成本高、準確性及完整性不足、信息嚴重滯后等問題。對此，金融機構運用數字技術實時監測農業資產自身及其周圍環境變化，并以信息化形式產生、存儲和更新該類數據作為衡量農戶動態信用風險的依據，使信用評估依據由歷史靜態數據變為實時動態數據。例如，農行通過衛星遙感技術對農作物種植區域、面積、種類、生長情況、氣候條件等進行動態監測與分析，截至2021年9月，該項技術已在四川、安徽、云南等地區的部分支行展開試點，場景覆蓋農田3700余畝，涉及授信2600萬元。

3.數字化賦予供應鏈尾端農企“銀行信用”。供應鏈融資模式本質上屬于供應鏈上企業間的信用共享和風險共擔，由于農企、農戶自身信用及抵押品不足，只能依托核心企業信用獲取信貸。而在數字化條件下，金融機構可與供應鏈上的大型農業核心企業合作并以其作為進入供應鏈的入口，同時以鏈上企業間的往來貿易關系作為嵌入供應鏈的媒介，采取數字化技術對鏈上企業的資金往來、訂單及交易記錄進行識別，完成供應鏈尾端企業的立體化刻畫，實現尾端企業信用由“商業信用”向“銀行信用”的轉變。例如，網商銀行“大雁系統”改變信貸“頭部效應”，基于識別及驗真技術、結合大規模圖計算及數據處理技術還原供應鏈貿易關系網絡，完成鏈上小微企業的信用評估。截至目前，該系統已累計服務四川小微企業近10萬戶。

（三）數字化激活農村資產價值，提升需求方信貸可得性

1.數字化促進農村資產價值回歸。隨著數字鄉村建設的推進，農村地區數字基礎設施日趨完善，農村資產數字化應運而生。近年來，農村各類資源、資產逐步確權并通過數字化實現“數字孿生”，推動各類生產要素標準化、價值展現更客觀全面，從而激活了農村資產的資本屬性。據農業農村部統計，截至2020年，全國共清查農村集體賬面資產7.7萬億元，其中經營性資產3.5萬億元，集體土地等資源面積65.5億畝，農村大量閑置資產被盤活②李競涵.家底清清楚楚，獲益實實在在.農民日報,2022-02-28.，資產價值得以體現，進一步推動優質金融服務向農村地區延伸。

2.數字化推動農村資產價值重塑。金融機構在農村各類資源、資產確權的基礎上，采用數字技術進一步挖掘塑造農村資產價值，進而拓寬押品范疇并優化押品價值評估流程，讓農村資產的流轉、交易、評估、抵押等更加便利。如：近日，農行四川眉山分行上線“智慧畜牧”平臺并推出首筆生豬活體抵押貸款，采用母豬作為活體抵押物并利用AI算法實現實時監控，突破生物資產難以作為合格押品的技術瓶頸；農發行打造數字化押品管理系統，完善全種類、全場景押品價值審核流程與評估模型，對接信貸系統及擔保評估機構數據，實現農村押品價值評估數字化、線上化、流程化。

3.數字化引領農村資產價值創造。數字技術能有效聚合農業生產經營過程中的內生數據、外部獲得的公共數據等多種信息，建立起農村產業鏈數據資源體系，實現農村資產在不同環節的增值目的，助力農戶、農企間接提高信貸資源獲取能力。在生產環節采用多種技術手段提高智能化與精細化管理程度，例如，德清“數字漁業”通過物聯網養殖服務，實現浮頭死亡率由5%降低為0.1%、產量增加10%—20%；桐鄉“數字牧場”運用精準飼喂、巡檢機器人等智能系統及設備，實現數據統計分析效率提升90%、用工量節省50%。在銷售環節則采用數字技術刨除多重經銷環節、高效對接供需雙方，如：“隴之情嘉峪關”平臺通過“原產地直采+自營”等模式促進農產品銷售規模的提升；優云網商通過大數據分析等技術手段，梳理不同地區消費者偏好并準確匹配相應農產品，達到客戶精準推廣、售價按質分層。

四、實證分析

數字化視角下農村地區生產條件、金融機構業務模式及信貸主體自身稟賦均產生變化，農村金融市場中信貸供給和需求也隨之改變，進而引起市場結構變動。為刻畫和研究市場結構及供需雙方在數字化條件下發生的變化，本文結合四川省農村地區實際，對市場結構演進方向、信貸供給方行為變化及信貸需求方貸款可得性等三方面展開研究，旨在挖掘數字化進程中農村金融市場結構變遷的趨勢及未來可能的演進方向。

（一）數字化與農村金融市場結構的理論推演

1.數字化發展水平與農村金融市場集中度。假設一個地區所有的銀行機構管理一定數量的貸款L，吸收一定數量的存款D，α為法定存款準備金率，rD為存款利率，rL為貸款利率，r為同業市場間拆借利率。地區引入數字化，能夠使得市場收益整體提升β1，其中β1>1，市場成本下降β2，其中0<β2<1，那么整個市場的利潤表達為：

在這里假設成本函數C為線性，則C=a1D+a2L，下面求解利潤最大化，那么對L的一階偏導為0，可得：

進一步變形，可得：

據此，提出本文假設一：數字化發展水平與農村金融市場集中度呈負相關。

2.數字化發展水平與農村金融服務供給下沉。在區域數字化程度基礎上，進一步細化到銀行個體，同理，假設數字化會使銀行收益增長βi1，其中βi1>1，市場成本下降βi2，其中0<βi2<1,銀行針對的客戶群體數分別是農戶n和企業m，單個利潤率為b，成本可以表示為：A+k(n+m)，A為固定成本，k為邊際成本，k>0。所以對于銀行i而言，利潤表達式為：

引入地區與銀行數字化，則πi變化為：

因為β1、βi1均大于1，那么β1?βi1>1，仍然會對收益有所提升，同樣β2?βi2<1，仍然會降低成本，尤其是作用于邊際成本，使得β2?βi2?k會隨著數字化水平的提高進一步降低，直至無限趨向于0，而銀行作為理性人，會進一步增加(n+m)，由于地區企業m數量相對農戶n有限，同時數字化對私人信用的畫像更全面精準，所以銀行會進一步擴大n，這在實際中表現為“下沉”。

據此，提出本文假設二：數字化發展水平對農村地區不同類型銀行的影響存在異質性。

3.數字化發展水平與農村貸款主體信貸可得性。下面將涉農貸款Lα根據投向不同，劃分為投向農戶Lα1與投向農村企業Lα2，假設兩部分的貸款利率分別為r1、r2,那么貸款需求價格彈性分別為、，同理根據上式推導可得對于單個農戶和單個企業：

假設兩部分貸款需求價格彈性為常數，即為ε1、ε2，進一步對上式i求和，可得：

接下來，對r1與數字化程度求偏導，再根據，可得：

如果進一步簡化分析，假設數字化條件下銀行服務長尾客群的成本趨于一致，即：aa1=aa2，那么：

因此，兩部分貸款的相對增長為兩部分的貸款需求利率彈性之比，一般情況下，農戶的貸款需求利率彈性大于企業，因此農戶的相對增長更大。

據此，提出本文假設三：相較于農村企業貸款可獲得性而言，數字化發展更能顯著提升農戶貸款可得性。

為研究數字化條件下農村金融市場結構的變化，本文以四川省農村地區實際情況為代表，分別從農村金融市場結構變動方向、信貸供給方行為變化及信貸需求方貸款可得性等三方面展開研究。

（二）模型設定

考慮到數字化指數為連續變量，且農村數字化建設是全面推進的，不存在真正意義上的對照組，因此本文參照Nathan Nunn、Nancy Qian（2011）、Qian N.（2008）、王立勇和許明（2019）的研究，構建連續型DID模型對農村金融市場結構變動受數字化的影響進行分析，同時利用分位數回歸進一步剖析數字化在不同地區及主體間產生的異質性影響，模型設定如下：

yit表示個體i在t時期的市場集中度或者貸款余額占比。periodt是表示時期的虛擬變量，在農村實現數字化之前取0，在實現數字化之后取1。考慮到農村地區數字化發展的滯后性及數字金融規范性發展，本文選取2015年為農村數字化建設元年。Indexit為i地區t時期數字化發展情況，Indexit*periodt為數字化指數與時期虛擬變量的交互項，是本文的核心自變量。Xt為控制變量。

與常規DID模型不同的是，這里Indexit不是表示政策實施與否的虛擬變量，而是表示政策實施強度的連續型變量。同時，由于不存在真正意義上的對照組，交互項的系數β就不再表示數字化給農村金融市場帶來的絕對影響，而是數字化指數單位變動的相對影響。

（三）數據來源及指標說明

考慮到農村數字化建設進程及可獲得樣本數據的統計范圍，本文選取2011年至2020年四川省內128個縣及縣級市的數據為樣本進行實證分析。主要變量詳細指標名稱及含義如表6所示。

表6 主要變量名稱及含義

被解釋變量。本文分別選取各縣域各類型機構貸款余額占比、不同類型貸款主體貸款余額占比，以及HHI指數作為被解釋變量進行分析，其中HHI指數（赫芬達爾—赫希曼指數）是用來計算產業集中度的綜合指數，可以衡量農村金融市場結構情況。

核心解釋變量。選取北大數字普惠金融指數③郭峰、王靖一、王芳、孔濤、張勛、程志云，《測度中國數字普惠金融發展:指數編制與空間特征》，2020年第19卷第4期，第1401-1418頁。作為核心自變量，該指數從數字金融覆蓋廣度指數、數字金融使用深度指數和普惠金融數字化程度指數等三個維度進行測度，覆蓋人群廣、數據體量大，實現了對不同時期縣域地區的發展情況進行跟蹤評估，完整覆蓋了縣域地區數字化的全發展階段，能夠較準確反映地區的數字化發展水平及地區間的數字化發展差異。

控制變量。為避免模型內生性問題，本文選取其他可能影響信貸的因素作為控制變量，主要包括兩部分：一是從地區經濟及產業結構方面選取了人均GDP、各產業占比、財政情況等影響地區金融發展及信貸需求的指標；二是從機構金融基礎設施及基本情況方面選取不良貸款率、存貸比、ATM機數量、營業網點數量及人數等影響機構發放信貸的指標。

（四）實證結果及主要結論

1.數字化發展與農村金融市場結構。為刻畫數字化背景下農村金融市場結構變革，研究數字化在不同市場中發揮的效用，本文從數字化對農村金融市場結構產生的影響及區域異質性進行分析，并得出以下結論：

農村金融市場集中度隨數字化發展水平提升而下降。按照式（1）對市場集中度與數字化指數進行回歸，結果如表7所示。根據第二列回歸系數結果為-0.049，在10%的水平下顯著為負，即驗證隨數字化程度的加深，農村金融市場的集中度會下降。

表7 HHI與數字化指數回歸結果

根據圖像直觀來看，圖7表示市場集中度隨數字化變動散點圖，隨著數字化指數的升高，HHI迅速下降且呈聚集狀態，即數字化的發展降低了農村金融市場集中度，且地區間的集中度差異隨之縮小。圖8為市場集中度與數字化指數的擬合曲線，呈半倒U型趨勢，說明隨著農村數字化程度的深化，農村金融市場集中度下降速度呈加快趨勢。

圖7 HHI隨數字化變動散點圖

圖8 HHI與數字化指數擬合曲線

進一步對各地區受數字化影響的異質性進行分析。從圖9 HHI指數分位數圖看出曲線呈非線性非均勻分布，可以利用式（2）的分位數回歸模型對HHI與數字化指數進行分析。

圖9 HHI指數分位數圖

分位數回歸模型結果如表8所示，根據第二列系數顯著性檢驗結果可以看出，對于HHI在50%分位點及以下的市場，其集中度受數字化的影響不顯著，而對高于50%分位點的市場，其集中度與數字化指數呈顯著負相關。

表8 不同分位點下HHI與數字化指數回歸系數表

將表中分位數回歸系數進行可視化，如圖10所示曲線，隨著HHI分位數的增加，從相對平穩趨勢迅速向下，所對應的系數絕對值在增大，即集中度越高的市場，數字化對其產生的影響更大。因此，數字化對不同市場的影響存在異質性，高集中度的市場受數字化影響更明顯。如圖11所示，市場集中度下降幅度最大的地區是原集中度最高的川西北生態示范區，而下降幅度最小的則是原市場集中度最低的成都平原經濟區。因為集中度較低的市場，其數字化發展水平已較高，此時市場已近似形成競爭狀態，數字化無法對其產生顯著影響；相反，集中度較高的市場，其數字化發展水平較低，市場近似壟斷狀態，數字化技術的發展會驅使新的機構進入市場，進而降低市場集中度。

圖10 分位數回歸系數圖

圖11 全省五大區HHI趨勢圖

2.數字化發展與各類型銀行的貸款供給。數字化的發展降低了農村金融市場的集中度，即各機構的市場占比發生了改變。為研究數字化發展與各類型銀行機構貸款供給情況，本文根據銀行性質將其分為五大類，考慮到部分地區農信社改制為農商行，將農信社和農商行合并計算，記為“農商農信”，選擇連續DID模型分別對各類型銀行機構在數字化條件下的市場變動情況進行分析，結果如表9所示。

表9 各類型機構貸款余額占比對數字化回歸系數表

數字化對不同類型銀行的影響存在異質性，即數字化更易對原市場占比較高的銀行產生負效應，對市場占比較低的影響則沒有明顯的一致性趨勢。如表9回歸結果顯示，農商農信、五大行等農村金融市場中主要銀行機構的系數均顯著為負，這說明數字化的發展有效降低了農村地區傳統機構的市場占比，打破農村金融市場被單家機構壟斷的局面，使市場中的機構類型向多元化發展。而其他類型銀行受數字化影響不明顯，一方面是由于這類銀行市場占比較小；另一方面是由于這類銀行在不同地區的市場規模差異較大，從全域角度正負效應會抵消，導致數字化平均效應不顯著。圖12可以看出機構地區間的差異，對于市場占比較小的城商行和村鎮銀行，城商行除在川西北經濟區外均有分布，但是地區間的市場規模差異較大；村鎮銀行和政策性銀行只在成都平原、川東北和川南經濟區具有規模化分布。

圖12 五大經濟區各類型機構貸款余額占比情況

由于全省銀行機構的市場結構和數字化發展水平地區差異較大，為研究數字化在不同地區對各類型機構發揮的效用，進一步利用分位數回歸分析，回歸結果如表10所示。可以看出，不同經濟發展水平的地區，數字化對各類銀行市場占比的影響不同。在經濟欠發達地區，數字化只會驅使五大行等大型機構的市場占比增加，而在經濟較發達地區，城商行等中小型機構的市場占比會增加，但是在所有市場中，農商行農信社的市場占比均在顯著減少。政策性銀行系數均顯著為正，是由于機構性質較特殊，在農村客戶多為當地政府平臺類企業，主要用途為城鄉一體化建設及改造等，其市場規模更多的是受當地政府規劃等影響。

表10 分地區各類型銀行貸款余額占比與數字化指數回歸系數表

因此可以得出：一是農商行農社信和村鎮銀行的市場占比顯著下降，說明農商行農信社和村鎮銀行在農村金融市場中傳統的人緣地緣優勢正在逐漸被數字化技術優勢替代。二是在經濟欠發達地區，只有五大行等大型機構能夠下沉到農村，中小銀行則因為本身規模較小無法在農村下沉；在經濟較發達地區，中小型銀行可以利用地區數字化條件下沉農村市場。這是由于欠發達地區的數字化基礎設施相對比較落后，在該地區開展業務的機構需要具有一定的規模或是數字化水平；而在經濟發達的地區，數字化基礎設施各方面建設比較完善，城商行等中小銀行可以利用地區的數字化條件開展業務。

3.數字化發展與農村貸款主體信貸可得性。數字化條件下，農村地區貸款主體的稟賦也會發生較大變革，因此其貸款需求及可得性也會受到影響進而影響市場結構。利用連續型DID模型對農戶和農村企業的貸款可得性受數字化的影響進行分析可知：

數字化對不同主體的貸款可得性產生的影響存在異質性，即數字化發展將提升農戶貸款獲得性，降低農村企業貸款可得性。根據表11中的回歸結果可以看出數字化對農戶的貸款占比存在顯著正效應，對農村企業則為顯著負效應。因為農村地區農戶屬于長尾客群，相對企業來說小而分散，但總的體量較大。在傳統的農村金融市場，農戶由于無可量化資產及信用缺失等原因無法從銀行獲得貸款，數字化條件下農戶的資產價值被激活，同時被賦予了數字化信用，這些改變提升了農戶信息透明度以及和銀行間的信息對稱性，因此農戶作為長尾客群較農村企業來說能更快地在數字化條件下獲得貸款。

表11 農村不同貸款主體受數字化影響的邊際效應

圖13可以從金融機構視角直觀看到農戶和農村企業貸款受數字化影響情況。隨著農村數字化的發展，五大行和村鎮銀行的農戶貸款占比有明顯上升的趨勢；農商農信的農戶貸款余額開始緩慢回升；城商行的農戶貸款占比始終較低，因為城商行目前在農村地區的業務還未得到有效拓展，仍以傳統的農村企業貸款為主。

考慮到各地區的產業結構及機構類型有較大差異，本部分進一步從地區異質性角度對貸款主體受數字化影響進行分析。圖14a和14b顯示農村企業及農戶貸款占比的分位數圖呈非線性趨勢，可以利用分位數回歸進行異質性分析。

圖14a 農村企業貸款分位數圖

圖14b 農戶貸款分位數圖

表12的回歸結果可以看出，對于農村企業來說，其貸款余額占比在50%分位點以上地區的系數絕對值相對較大；而對農戶來說，其貸款余額占比在50%分位點以上地區的系數絕對值則相對較小。因此可以得到以下結論：數字化對不同市場主體的貸款可得性產生的影響不同，即對于企業貸款余額占比越高的地區，數字化對該地區企業產生的負效應越大；而對農戶貸款余額占比越高的地區，數字化對該地區農戶產生的正效應反而越小。

表12 農村企業及農戶各分位點下貸款余額與數字化指數回歸表

圖15直觀反映了這一情況，可以看到在農村企業貸款占比較高的地區，如成都平原及攀西經濟區，隨數字化程度的加深農村企業貸款占比相較其他地區減少更明顯，進一步說明數字化的發展加強了農戶貸款的可得性。而在農戶貸款占比較高的地區，如川東北和川南經濟區，隨數字化程度的加深農戶貸款占比緩慢增加或呈下降趨勢。這是由于在川東北和川南經濟區政策性銀行的市場占比相對較高，該類型銀行只針對政府平臺類企業發放用于城鄉建設及改造等貸款，受到政府行為的影響。

圖15 分地區不同貸款主體貸款余額占比

五、結論與建議

（一）研究結論

1.農村金融市場結構并非自然演進的結果，其變化本質上取決于政府制度變遷和農村經濟社會發展狀況。從我國農村金融改革發展進程來看，農村金融市場結構是動態變動的。回溯農村金融發展歷程，農村金融市場結構從計劃經濟時期的統一配給，到改革開放前期的高度壟斷，再到當前多元化、市場化的競爭，農村金融市場結構根據政府和市場要素的有效結合不斷調整、優化。

2.農村金融市場集中度總體下行與區域不平衡共存，但仍屬高寡占型市場結構。1978年以來，我國農村金融市場集中度呈總體下降趨勢，競爭度明顯提升，但我國農村金融市場發展不平衡、不充分的矛盾突出。農村金融市場集中度“西高東低”的區域差異沒有顯著改善，雖然各地金融市場集中度均有所降低，但2020年我國農村金融市場總體HHI值為0.26，屬于高寡占II型，仍有進一步下降的空間。

3.數字化打破了農村金融的傳統思維，預示了農村金融市場結構的深刻變革。近年來數字鄉村建設快速推進，數字化激活了農村地區各類要素，不斷催生出農業新業態、新模式。數字技術滲透農村生產生活，為金融市場變革提供可能，傳統銀行抵押貸款的思維開始轉變，農村金融以數據為核心創新發展出多種融資形式，新型農村金融機構依托技術優勢深耕農村金融市場。如京東金融、螞蟻金服及其牽頭的網商銀行、騰訊主導的微眾銀行等，借著數字化“東風”迅速布局農村金融空白領域，搶占大量長尾客戶市場。

4.鄉村數字化與銀行數字化耦合會產生協同效應，數字化水平高的銀行下沉更深、服務更多元。本文研究發現，數字化程度較高的國有大行在農村地區下沉更深。在經濟較發達地區，中小型銀行可以利用地區數字化條件下沉農村市場；但在經濟欠發達地區，只有五大行等大型機構能夠下沉到農村，中小銀行因為自身成本收益問題難以在農村下沉。此外，研究還發現農商行農信社、村鎮銀行傳統的“人緣地緣”優勢正在被數字化優勢替代，市場占比顯著下降。結合本文調查數據來看，國有大行數字化轉型進度50%以上的占65.3%，數字化轉型水平較高；農商農信和村鎮銀行轉型進度普遍較慢，63.2%的村鎮銀行尚未開始數字化轉型，轉型進度超50%的僅占10.5%，這也驗證了數字化對銀行金融服務能力的提升。

5.區域數字化水平與農村金融市場集中度呈負相關，且數字化對降低欠發達地區金融市場集中度更有效。本文對農村金融市場集中度與數字化指數進行連續DID模型回歸，估計結果顯示數字化指數對縣域市場集中度的平均邊際影響為負。計算數字化對市場集中度的平均邊際效應發現：在數字化指數較低的區間，HHI指數相對較高且分布較為分散。隨著數字化水平的升高，HHI指數迅速降低且呈聚集狀態。HHI指數與數字化指數的擬合曲線呈半倒U型，說明隨著農村數字化水平的提高，金融市場集中度下降速度會加快。

6.數字化會強化農村金融市場的“馬太效應”，數字化水平較高的金融機構掐尖下沉易產生風險外溢。本文綜合研究發現：數字化對農村金融市場具有顯著正外部性，但由此引發的負外部性問題也同樣不容忽視。數字技術打破了傳統農村金融服務時間和物理網點的桎梏，金融機構通過脫媒觸客和流程標準化有效下沉服務長尾客群，大幅降低交易成本，但也存在“平臺經濟”贏者通吃的問題，數字化發展水平較高的銀行或科技公司依托數字技術優勢進入農村金融市場，會推高農村金融服務的數字化門檻，在金融機構間造成“數字鴻溝”問題，加劇村鎮銀行等小型農村金融機構的生存危機。

（二）政策建議

1.做好數字時代農村金融改革市場的制度設計，構建農村金融資源自由流動的金融組織體系。數字時代的農村金融有別于以往任何一個時期，數字化對農村經濟社會產生的顛覆性沖擊才剛剛開始。數字化時代，農村金融改革應順勢而為，充分考慮農村金融市場的特殊性，運用數字技術推動農村金融市場結構多元化，并結合數字經濟、數字金融的優勢和自身天然缺陷構建適宜的農村金融市場環境，做到頂層設計既“瞻前”，也“顧后”。

2.進一步降低農村金融市場集中度，縮小彌合農村金融市場區域發展的不平衡、不充分。改革開放以來我國農村金融市場結構不斷優化，市場集中度顯著下降，但區域差異仍然十分明顯。下一步應結合不同地區經濟金融發展實際，特別是欠發達地區，逐步解決束縛農村金融發展的不合理管制，不斷豐富農村金融市場機構類型，繼續優化農村金融市場結構，持續降低金融市場集中度。

3.加快推進鄉村數字化轉型，為農村金融市場數字化變革筑牢數字基礎設施。全面推進鄉村振興和數字中國戰略以來，隨著關鍵數字技術在農村地區的運用和普及，農村基礎設施向著智能高效更新迭代。數字新基建對農村地區的賦能重塑，不斷催生出農業生產生活的新業態、新模式，為農村金融市場數字化革新提供硬件和軟件的雙重支撐。

4.利用數字化提高農村金融市場結構多樣性，充分挖掘數字化在農村普惠金融方面的作用。數字化打破了傳統金融服務的時空限制，大幅降低了農村金融服務成本，使得原本基于成本收益考量的機構產生了開展農村金融業務的內生動力。下一步要借助數字化發展大勢持續推進農村金融市場機構多元化水平，同時利用數字化探索降低農村欠發達地區金融服務的成本，通過適度數字化促進當地農村金融市場發展。

5.農村地區金融機構數字化要與數字鄉村建設有機融合，以數字化拓展農村金融市場的長尾客群。地區數字化程度和金融機構數字化水平耦合會產生協同效應，顯著降低農村金融市場集中度。未來應有機推進數字鄉村和數字金融融合發展，用數字化降低長尾客群的搜尋成本，擴展獲客渠道，進一步降低農村金融市場集中度，特別是在數字化水平較低的欠發達地區。

6.做好數字化水平較高機構在農村地區下沉的風險監測，防止利用數字優勢過度擠壓小型涉農機構生存空間。當前農村地區數字化水平尚處在起步階段，其對農村金融市場的影響更多是正向促進。未來應重點關注大型機構依托數字技術優勢下沉帶來的金融風險外溢問題，以及數字化水平提高帶來的市場新壟斷和農村小型金融市場競爭風險。