金融科技對小微企業的信貸需求影響研究

摘 要：

小微企業的融資需求滿足離不開商業銀行的精準信貸支持，但是既有研究較少從金融科技視角關注兩者的匹配情況。基于全國5個省份（自治區）508份銀行樣本和2148份小微企業樣本數據，對銀企信貸供求匹配度進行測量，并在此基礎上構建了金融科技應用、創新水平、銀企信用共識度、金融監管和銀企信貸供求匹配度之間關系的理論模型。實證分析結果表明：金融科技應用正向影響銀企信貸供求匹配度；創新水平和銀企信用共識度在其中起部分中介作用；金融監管不僅負向調節金融科技應用與創新水平之間的關系，還負向調節金融科技應用對銀企信貸供求匹配度的作用路徑。研究結論豐富和拓展了銀企信貸供求匹配度的測量及影響因素的相關研究，為促進金融科技緩解小微企業融資難提供了科學決策依據。

關鍵詞：

金融科技應用；創新水平；金融監管；銀企信貸供求匹配度；銀企信用共識度

文章編號：2095-5960（2024）06-0048-09；中圖分類號：F832.4

；文獻標識碼：A

一、引言

小微企業在促進經濟增長、技術創新、解決就業等方面發揮了重要作用，但大多數小微企業存在融資難問題。從已有研究和實踐角度來看，融資難主要原因在于銀企信息不對稱導致銀行與小微企業信貸供求不匹配，使得小微企業的信貸需求得不到滿足。這種困境若得不到及時破解，不利于小微企業的技術創新、產業升級，進而會阻礙小微企業的生存和發展。近年來，包含大數據、云計算、人工智能等在內的金融科技應用在小微企業信貸領域不斷深入，為解決銀企信貸供求錯配提供了新途徑。金融科技可以通過提高銀行的信息獲取能力，緩解銀企間的信息不對稱，從而破解企業信貸供給不足的問題。［1］但當前如何推動金融科技與小微企業信貸的深度融合，以及如何推動銀行破解小微企業信貸供求錯配困境還存在諸多制約因素。因此，金融科技對小微企業的信貸需求影響研究，需要結合供需雙邊的行為特點，以銀行供給端為主，輔以企業需求端，對匹配度進行科學測量，探求金融科技在銀企信貸領域中的作用機制，最終為提高銀企信貸供求匹配度，提升小微企業信貸需求滿足度提供指導。

與以往文獻相比，本文可能的創新與貢獻有三個方面。第一，將熵權法應用到小微企業融資研究。已有文獻大多構建供給與需求的效率模型來測算信貸匹配度，本研究通過分析供求匹配的主要影響因素，確定具體指標和模型參數估計，構建銀企信貸供求匹配模型，以此測算供求匹配度。第二，基于銀企信貸供求匹配視角，探究金融科技在銀企信貸供求匹配度的內在作用機制。現有文獻較多關注金融科技在銀行供給層面的信貸創新，本研究以信貸供給側為重點，信貸需求側作為輔助，將金融科技、信貸匹配度納入多元回歸模型。隨后，構建實證模型以分析金融科技對銀企信貸供求匹配度的影響路徑。第三，本研究結合供需雙邊主體特征，構建五維度銀企信貸供求匹配度評價模型，進行相應的指標體系創新。

二、文獻綜述

（一）關于銀企信貸供求匹配問題的研究

近年來，小微企業融資環境得以改善，但融資難題尚未得到根本解決，原因主要是當前銀行信貸供給與小微企業信貸需求不匹配，銀行無法識別小微企業的有效信貸需求將導致供需錯配。［2］此外，流程繁瑣、條件嚴苛以及信用不足等也是小微企業信貸得不到滿足的主要原因。從利率角度來看，提高利率可能增加銀行貸款風險，信貸配給與信息不對稱、信貸成本高等問題有明顯關系。［3］從銀企供需角度來看，學者們從產品供求數量和供求結構、銀企信貸關系等方面驗證了貸款市場上不同銀行和企業之間的供需匹配。［4］國內外研究重心逐漸從數量層面的信貸配置差異向質量層面的結構性問題轉變。

（二）關于銀企信貸供求匹配影響因素的研究

目前，金融科技越來越多地被應用到商業銀行，也讓金融科技在貸款融資、支付結算等方面的作用更加重要，成為解決金融服務成本高、流程繁瑣、信息不對稱的重要手段。一方面，金融科技有助于降低商業銀行的運營成本以及大銀行和中小銀行的信息不對稱，縮小獲取軟信息的能力差距，提升商業風險防控水平和金融服務場景化的能力。［5］另一方面，金融科技應用可以降低軟信息約束和環境不確定性對銀行的影響，使銀行做出更合理的信貸決策，顯著提升銀行的小微企業信貸供給。［6］此外，供給結構、供給成本、信用評價和擔保體系都對銀企信貸供求匹配有一定影響。目前商業銀行對小微企業信貸供給存在針對性不強、信貸產品較為單一等能力問題，供給結構相對傳統，導致了銀行中小微企業信貸產品的供給結構跟不上社會發展的步伐。金融科技的應用可以有效控制供給成本，進而緩解傳統信貸供給模式中存在的“低收益”約束。此外，擔保體系的不健全會導致小微企業信貸產品在供求結構上高匹配，但是在數量上卻存在著較大差距。擔保機構可以有效減少信貸供給中的信息不對稱，增強了銀企信任從而有利于構建良好的銀企合作關系。［7］

綜上所述，國內外學者從不同角度、不同主體以及不同層面對銀企信貸供求匹配、影響因素和金融科技的作用機制展開了研究，取得了卓有成效的研究成果，為本文奠定了良好的基礎，但是關于銀企信貸供求匹配的研究，還存在以下有待完善的地方：一是有關銀企信貸供求匹配度測量的研究較少，二是鮮有基于供需雙邊特點探究銀企信貸供求匹配長效機制的深入研究，三是關于金融科技與銀企信貸供求匹配關系的研究有待深入，本文將針對以上問題進行研究。

三、理論分析與研究假設

金融科技的發展可有效緩解小微企業信貸約束，使銀行在準確識別小微企業信貸需求的同時提高信貸供給的有效性。金融科技為銀行小微企業信貸提供更加高效的金融服務和持續有效的金融創新，能夠在信貸規模、供給結構和供給成本等方面提高銀企信貸供求匹配度。［1，2］此外，信貸錯配的背后是銀企信息不對稱問題，金融科技應用能夠優化信用評估模型，提升整體評估結果的時效性和精準性，使得銀行貸款和小微企業需求更加匹配。［8］要想從根本上提高銀企信貸供求匹配度，解決小微企業信貸融資困境，不僅需要在供給側增強銀行有效供給能力，還需要在需求側提高小微企業黏性和信用建設。金融科技可以幫助銀行創新信貸產品，幫助企業創新升級。［1］本研究認為金融科技不僅在銀行小微企業信貸供給中發揮著技術賦能作用，還能夠促進小微企業的自身發展和信用建設，從而增強銀行放貸信心，滿足小微企業信貸需求。因此，本研究提出假設1：

假設1：金融科技應用能夠提高銀企信貸供求匹配度。

金融是創新環境的重要組成部分，對銀行而言，金融產品的創新和服務升級，有利于降低銀行與企業的信息不對稱問題，提升了銀行效率。銀行可以更加精準有效地發放貸款，提升信貸供求匹配度。當前銀行創新有助于銀行抵御系統性風險，降低信貸風險。［2，3］銀行創新水平的提升增強了銀行的穩定性［9］，銀行越穩定，外部風險越低，為小微企業提供多樣化的產品和服務的意愿更高，小微企業從銀行獲得貸款的可能性也更高，需求更易得到滿足。可見，創新水平對于提高銀企信貸供求匹配度有著重要作用，因此，本研究提出假設2：

假設2：創新水平可以正向促進銀企信貸供求匹配度。

由于銀企間的信息不對稱，銀行無法準確評估企業信息的真實性，小微企業貸款的風險定價與評估情況會受到影響，容易導致信貸供求不匹配。銀行所能獲得的有關企業資產、資信等信息的質量高低和數量多少，直接影響銀行融資決策和企業融資狀況。［2，9］與銀行關系更為緊密的企業所面臨的融資約束更小。同時，商業銀行對小微企業的信任，能夠顯著提高小微企業的信貸可得性。［10］綜上，銀企信用共識度有助于降低雙方的信息不對稱程度，提高銀企信貸供求匹配度，因此，本研究提出假設3：

假設3：銀企信用共識度可以正向促進銀企信貸供求匹配度。

從銀行角度來看，在創新活動過程中，金融科技能夠運用大數據、云計算等手段，精準有效、實時追蹤創新活動進度，在不斷創新金融產品及豐富業務模式的同時，也改善了創新的信息環境。金融科技使得商業銀行對金融服務模式進行深層次改革，結合技術創新改進既有金融產品和服務，增強客戶互動。［11］對于小微企業而言，金融科技能夠有效助力企業在創新活動中構建信用形象，為企業建立信用評分，提升銀行放貸意愿。金融科技的發展在一定程度上彌補了傳統金融模式發展的不充分、不成熟，通過實現銀行與小微企業的合理匹配，幫助銀行有效甄別出具有投資潛力的小微企業，并及時提供信貸。［8-10］因此，本研究提出假設4：

假設4：金融科技應用可以通過提高創新水平促進銀企信貸供求匹配度。

傳統的金融模式中，銀行無法準確評估小微企業的財務情況和經營信息，對企業的真實信用情況也缺乏了解。通過大數據等相關技術的幫助，銀行可以將已知的企業情況與外部平臺數據相結合，通過多方驗證來獲得借款人真實資信情況，減少欺詐行為。［12］數字軌跡可以和征信機構的數據相匹配，銀行同時使用兩者信息可以做出更優的決策，減少違約率。［13］可見，金融科技有效緩解了銀企間的信息不對稱，增進了銀行對小微企業的信任。金融科技通過加強資金供求雙方的交流，降低信息不對稱來緩解企業的融資約束，降低銀行信貸風險。［2］一方面，由于金融科技，企業的信息業務呈現更加透明，貸款申請更容易通過；另一方面，銀行利用金融科技對小微企業進行精準畫像，提升信用評估結果的時效性和精準性，在準確識別小微企業信貸需求的同時提高信貸供給的有效性。基于以上理論依據，本研究提出假設5：

假設5：金融科技應用可以通過提高銀企信用共識度促進銀企信貸供求匹配度。

考慮到金融業態的發展通常與金融監管的內容和強度有關，金融科技的創新應用在為金融市場帶來發展機遇的同時也因其技術特征帶來了不可避免的風險。［14］過于嚴格的金融監管會降低信貸可用性，減少銀行的貸款供給。［15］因此，當設定的監管強度目標過大時，也可能使得銀行的金融創新產品從市場上徹底消失，小微企業可獲得的銀行產品減少，金融自由化政策對銀行效率的影響取決于銀行監管制度的采用和發展程度，所以需要制定合理有效的金融監管強度來發揮金融科技的作用。［1］因此，本研究提出假設6：

假設6：金融監管在金融科技應用、創新水平與銀企信貸供求匹配度之間起負向調節作用。

四、研究設計

（一）變量測量工具

為保證信度和效度，本研究的變量量表均以國內外成熟量表為參考。在進行正式調查之前，發放了100份銀行問卷和400份企業問卷進行小規模預調研，在此基礎上對問卷中表達不清晰、表述有遺漏的內容進行了修改和完善。本文的量表為Likert五標度量表，1代表“非常不同意”，5代表“完全同意”。由于企業問卷測量變量為市場定位、需求識別與評價、授信與定價、風控與關系管理以及產品及流程設計，與銀行問卷的部分變量一致，測量題項相同，故企業問卷不再陳述。具體而言，銀行問卷各個變量的含義測量如下：

1.解釋變量

金融科技應用。參考房穎對于金融科技的研究［6］，從服務拓展能力、客戶分析能力、技術運用能力、信息獲取能力和多方協作能力這5個方面進行測量，設計了5個題項。

2.被解釋變量

（1）銀企信貸供求匹配度。結合專家意見，根據市場定位、需求識別與評價、授信與定價、風控與關系管理、產品及流程設計構建評價指標體系，利用問卷數據，基于熵權法對原始的權重系數進行修正，得到各區縣的綜合得分。具體來說，銀行方面計算各區縣值，企業方面計算各區縣的均值，匹配度由銀行區縣綜合得分/相對應的企業區縣綜合得分均值計算得出。

（2）被解釋變量的衡量維度

①市場定位。參考宋博等對銀行市場定位的研究［16］，從信貸關注程度、政策貫徹程度、銀行產品差異性、銀行營銷能力這4個方面進行測量，設計了4個題項。

②需求識別與評價。參考Taylor et al的研究［17］，從銀行信息收集完善程度、潛在客戶挖掘和識別能力、貸款需求感知和識別能力、優質小微企業篩選能力、信息分析能力、信息互通程度這6個方面進行測量，設計了6個題項。

③授信與定價。參考Jin et al的研究［18］，從信用評價能力、非貸款業務關注程度、信用測評客觀程度、貸款利率上浮程度、產品定價這5個方面進行測量，設計了5個題項。

④風控與關系管理。參考Berg et al的研究［13］，從貸前調查、貸款審查、貸后檢查、貸款跟蹤、貸款額度控制、客戶關系維護以及客戶反饋機制這7個方面進行測量，設計了7個題項

⑤產品及流程設計。參考付軾輝等的研究［19］，從宣傳開展頻率、產品種類齊全度、個性化需求滿足程度、產品和服務時效性、產品推送速度以及信貸流程這6個方面進行測量，設計了6個題項。

3.中介變量

（1）創新水平。參考Zhao and Yi的研究［20］，從產品創新性、創新文化建設、智能互動體系建設、創新制度建設這4個方面進行測量，設計了4個題項。

（2）銀企信用共識度。參考唐瑩和鄧超的研究［10］，從小微企業信用水平、還款意愿、還款能力以及聯系主動性這4個方面進行測量，設計了4個題項。

4.調節變量

主管部門對銀行的金融監管。參考趙峰等的研究［21］，從主管部門監管手段和力度效果、監管獨立性、監管責任性、監管透明度、監管軟實力以及監管作用這6個方面進行測量，設計了6個題項。

（二）問卷設計

本研究的銀行調查問卷由兩部分組成：第一部分是基礎問卷，包括銀行性質、工作崗位和所在地市以及區縣；第二部分為金融科技應用、市場定位、需求識別與評價、授信與定價、風控與關系管理、產品及流程設計、創新水平、銀企信用共識度和主管部門對銀行的金融監管9個核心變量的量表。企業問卷第一部分包括企業性質、所在行業、所在地市以及區縣；第二部分為市場定位、需求識別與評價、授信與定價、風控與關系管理、產品及流程設計5個核心變量的量表。預調研階段，本研究分別回收了100份和400份有效問卷進行信效度檢查，其中銀行問卷9個量表的KMO值均在0.7以上；Cronbach’s alpha系數均在0.8以上。企業問卷5個量表的KMO值和Cronbach’s alpha系數均在0.8以上。結果表明，各量表的信效度較好，能夠進行下一步正式的調研。

（三）數據來源與樣本選取

進行預調研時，課題組對中國工商銀行、中國農業銀行等商業銀行的信貸工作人員和同地區的小微企業工作人員進行了訪談，隨后開展了正式調查。調查地區選取上，根據國家統計局①【 "①國家統計局2022年2月21日發布的《統計制度及分類標準（17）》】的區域劃分標準，將所涉及的地區分別歸集到東、中、西、東北部。同時，根據國內生產總值、數字普惠金融指數、金融發展指數等指標對問卷發放省份和城市進行篩選，最終確定調查地區為江蘇省無錫市和鹽城市，湖北省武漢市和孝感市，貴州省貴陽市和遵義市，廣西壯族自治區南寧市和桂林市，黑龍江省哈爾濱市和齊齊哈爾市。正式調研共收到銀行問卷616份，有效問卷508份，有效率為82.47%。樣本銀行包含國有大型銀行、其他股份制商業銀行、城市商業銀行、農村商業銀行、信用社。回收小微企業問卷2235份，有效問卷2148份，有效率為96.11%。

五、實證結果分析

（一）問卷信效度檢驗

首先，計算各量表的Cronbach’s alpha系數。銀行問卷中九個量表的Cronbach’s alpha系數均在0.7以上，說明各量表均有較好的信度。其次，進行探索性因子分析。各量表的KMO值均在0.7以上，因子載荷均在0.5以上，說明變量之間相關性較好。最后，利用驗證性因子分析檢驗量表的收斂效度。各量表組合信度CR均在判定標準0.7以上，表明量表組合信度處于理想范圍內；平均萃取方差AVE均在判定標準0.5以上，表明各量表有良好的收斂效度。企業問卷各量表Cronbach’s alpha系數、KMO值、因子載荷、CR和AVE均通過檢驗。

（二）共同方法偏差檢驗

本文對共同方法偏差問題的檢驗過程如下：所有參與假設檢驗的量表題目一起做單因子驗證性因子分析，模型的擬合結果（χ2/df=25.858；CFI=0.730；TLI=0.681；RMSEA=0.221；SRMR=0.067）未達到擬合良好標準，且擬合程度遠不及四因子模型（χ2/df=2.979；CFI=0.980；TLI=0.975；RMSEA=0.062；SRMR=0.055），說明本研究不存在嚴重的共同方法偏差。

（三）銀企信貸供求匹配度測量及分析

1.關于匹配度測量原理及指標權重

為避免主觀判斷的偏差，本文采用客觀賦權法的熵權法確定評價指標的權重。具體計算步驟如下：

第一步：無量綱化處理。

Xij=xij-minxj/maxxj-minxj "（1）

其中maxxj、minxj分別為Xij的最大值和最小值，為避免零和負值，為處理后的數據進行了平移，即Xij=Xij+σ，為保留原始的數據規律，故取σ=0.0001。

第二步：同度量化處理。

Pij=x′ij/∑mi=1xij，0≤Pij≤1 "（2）

第三步：熵值計算。

ej=-k∑mi=1pijlnpij，k＞0，0≤ej≤1 "（3）

第四步：計算差異系數。

gj=1-ej "（4）

第五步：確定權重。熵權法得到的指標系數越大，則權重越高，對結果貢獻越大。

Wj=gj/∑ni=1gj，j=1，2，3，...，n "（5）

最終得到5個省份（自治州）、10個城市的銀企信貸供求匹配評價指標權重，如表1所示。然后根據熵權法測算出的權重，計算各區縣的綜合得分。具體來說，銀行方面計算各區縣值，企業方面計算各區縣的均值，匹配度由銀行區縣綜合得分/相對應地區的企業區縣綜合得分均值計算得出。

2.匹配度測量結果及分析

本研究測算區縣級銀企信貸供求匹配度，總計得到508個測算值，如表2所示。基于匹配度測量結果分布和匹配度評價標準［22］，將匹配度分為≤0.70，0.71—0.90，0.91—1.10，1.11—1.30以及≥1.31五個層次。按照地區劃分來看，東部表現較好，匹配度較差的區縣占比相對較少；西部雖然在匹配度0.91—1.10層次的區縣數較多，但是在其他層次的區縣數目，即匹配度較差的區縣占比顯著高于其他地區；中部和東北部較為接近，但是東北地區0.91—1.10的區縣相對更多。從極端值來看，銀企信貸供求匹配值最低的在齊齊哈爾市甘南縣，僅0.47，說明銀行有效供給不足，遠遠不能滿足企業的需求；匹配值最高的在貴陽市修文縣和鹽城市東臺市，都為1.40，表明銀行供給遠大于企業實際需求，存在信貸資源浪費。

綜上，可以發現，當前銀企信貸供求匹配程度較低。一方面小微企業需求得不到滿足，另一方面銀行對企業信貸需求的識別能力較差，無法準確提供貸款，信貸資源分配不均衡。

（四）變量描述性統計分析

如表3所示，信貸供求匹配度與金融科技應用、創新水平和銀企信用共識度均顯著相關；金融科技應用與創新水平、銀企信用共識度均顯著正相關；主管部門對銀行的金融監管與創新水平、銀企信用共識度以及信貸供求匹配度均顯著相關。各變量之間的相關關系初步驗證了本文的研究假設。

（五）假設檢驗

應用AMOS24.0軟件構建結構方程模型，檢驗金融科技應用影響信貸供求匹配度的作用路徑，并采用Bootstrap方法對中介效應進行檢驗，以驗證研究假設1—5。最后，使用Hayes編制的process模型7對主管部門對銀行的金融監管調節效應的顯著性進行檢驗，驗證假設6。

1.主效應檢驗和中介模型檢驗

主效應檢驗、中介效應檢驗結果及效應量如表4和表5所示。

由表4和表5可知：

（1）金融科技應用與銀企信貸供求匹配度的路徑系數為0.111（p＜0.001），假設1得證，表明商業銀行加強金融科技應用可以提高銀企信貸供求匹配度，多樣化的應用技術和方法更有利于匹配度的提升。

（2）金融科技應用與創新水平的路徑系數為0.756（p＜0.001），表明金融科技應用對創新水平具有顯著的正向影響；創新水平與銀企信貸供求匹配度的路徑系數為0.089（p＜0.001），說明創新水平顯著正向影響銀企信貸供求匹配度，假設2得證。以創新水平為中介變量時，間接效應顯著為正，系數為0.067；總效應同樣顯著，系數為0.179。至此，創新水平的中介效應得以驗證，假設4獲得支持。綜上可見，銀行對產品、文化或者制度等的創新有利于銀企信貸供求匹配度的提高。

（3）金融科技應用與銀企信用共識度的路徑系數為0.867（p＜0.001），表明金融科技應用對銀企信用共識度具有顯著的正向影響；銀企信用共識度與銀企信貸供求匹配度的路徑系數為0.059（p＜0.001），說明銀企信用共識度顯著正向影響銀企信貸供求匹配度，假設3得證。以銀企信用共識度為中介變量時，間接效應顯著為正，系數為0.051；總效應同樣顯著，系數為0.162。至此，銀企信用共識度的中介效應也得以驗證，假設5獲得支持。綜上可見，銀企信用共識度越高，即銀行與企業的信任程度越高，銀企信貸供求匹配度就越高。

在此基礎上，本研究還補充計算了中介效應的效應量，以創新水平和銀企信用共識度為中介變量時，中介效應占總效應的比例分別為37.4%和31.5%，說明中介效應對總效應的解釋百分比為37.4%和31.5%，該效應量說明中介效應存在統計和實際意義。

2.調節模型檢驗

本研究檢驗了主管部門對銀行的金融監管的調節作用，即被調節的中介效應。檢驗采用95%的置信區間，設置隨機抽取樣本5000次，各模型的回歸結果與被調節的中介效應模型的檢驗結果分別如表6和表7所示。

表6顯示，金融科技應用×金融監管（交互項）對創新水平的回歸系數為-0.184（plt;0.05），說明金融監管負向調節金融科技應用與創新水平之間的關系。表7顯示，當金融監管強度較低時，創新水平的中介效應為0.0605；當金融監管強度中等時，中介效應為0.0438；在金融監管強度較高時，中介效應為0.0272（95%置信區間始終不包括0）。這說明創新水平的中介效應在三種不同金融監管強度條件下（低、中、高），始終保持負向顯著，并且隨著金融監管強度的增加而削弱。有調節的中介效應為-0.0213，95%置信區間（0.0141，0.0409）不包括0，從而支持了假設6中金融監管對創新水平的中介效應的負向調節作用。至此，本研究所提出的6個假設全部通過了實證檢驗。

六、結論與啟示

本研究圍繞銀行信貸供給與小微企業信貸需求這一問題，測算了銀企信貸供求匹配度，探討了金融科技與銀企信貸供求匹配度之間的效能影響機制，考察了創新水平和銀企信用共識度的中介作用，以及主管部門對銀行金融監管的調節作用。實證結果表明：（1）東部銀企信貸供求匹配情況較好，中部和東北地區情況較為接近，但是東北地區匹配度高的區縣相對更多，西部匹配情況較差。（2）金融科技應用對銀企信貸供求匹配度具有正向影響。（3）創新水平和銀企信用共識度能夠提高銀企信貸供求匹配度。（4）金融科技應用通過創新水平和銀企信用共識度正向影響銀企信貸供求匹配度。（5）主管部門對銀行的金融監管對金融科技與創新水平的關系起調節作用，即存在被調節的中介效應。當金融監管強度較高時，金融科技通過創新水平正向影響銀企信貸供求匹配度的作用會被削弱。

根據文章結論，提出以下幾點政策建議：

第一，制定差異化金融政策，實現地區信貸均衡發展。首先，對于東部發達地區，銀行需要提供更多量身定制的產品，滿足企業多樣化需求；其次，對于中部和東北地區，銀行應當在現有基礎上調整信貸供給結構，給予小微企業更多關注；最后，對于西部欠發達地區，政府需要做好地區信貸平衡工作，對現有信貸資源合理調配，增強銀企雙方的溝通，增加有效信貸供給的同時提高小微企業的有效信貸需求，避免資源浪費。

第二，加強金融科技應用水平，采取多樣化應用方式。首先，銀行需要探索大數據、人工智能等金融科技相關技術，加強與金融科技公司的合作，促進信貸等業務發展。其次，構建不同的金融科技服務場景，如推出技術型金融場景、數字生活場景等，提升客戶服務體驗。最后，加強人才引進和人才培養，與當地高校、科研機構合作，開展數字金融科技相關課程建設，提升銀行信貸從業人員等相關人員的專業能力。

第三，加深銀企關系，提高小微企業信用水平。首先，銀行提高與小微企業建立密切聯系的主動性，積極、深入地了解客戶群體。同時，完善小微企業的信用評估流程，保證銀企信用共識的長期健康發展。其次，小微企業需要注重自身的信用水平，建立和維護好企業聲譽，在與銀行的互動過程中，表達出良好的還款意愿，使得成功獲取銀行信貸的可能性更大。［23］

第四，提高銀行創新水平，提升銀企信貸供求匹配度。首先，借助數字技術完善金融服務設施，推進創新制度建設和文化建設，打造創新型氛圍，持續優化創新環境。其次，提升小微企業信貸產品創新性，推出更合適、門檻更低的產品，讓金融服務更加便捷，增強對小微企業信貸的匹配度。

第五，遵循適度監管原則，建立合理的監管框架。首先，應用金融科技的同時，需要配合金融監管，有助于金融科技應用的合規化與合理化。其次，實施差異化監管，對大型銀行和中小型金融機構的監管應分別側重于緩解小微企業融資貴和融資難問題，以此創造一個良好的金融市場環境。最后，監管部門應當協調好金融科技發展與商業銀行經營之間的關系，確保金融體系健康發展。

參考文獻：

［1］盛天翔，范從來. 金融科技、最優銀行業市場結構與小微企業信貸供給［J］. 金融研究，2020（6）：114～132.

［2］方昕，張柏楊.小微企業正規融資效果研究——基于匹配模型的估計［J］. 金融研究，2020（9）：97～116.

［3］Stiglitz J E，Weiss A. Credit Rationing in Markets with Imperfect Information［J］. American Economic Review. 1981，71（3）：393～410．

［4］林樂芬，李永鑫.商業銀行中小微企業信貸產品供求匹配問題研究［J］. 南京大學學報（哲學·人文科學·社會科學）， 2016， 53（6）：39～48；155.

［5］張德茂，蔣亮.金融科技在傳統商業銀行轉型中的賦能作用與路徑［J］. 西南金融，2018（11）：13～19.

［6］房穎.金融科技賦能究竟如何影響銀行小微企業信貸——基于調研數據的實證檢驗［J］.金融監管研究，2021（7）：69～85.

［7］文學舟.面向小微企業的信用擔保機構制度約束及破解策略研究［M］. 吉林大學出版社，2020.

［8］Berg T，Fuster A，Puri M. FinTech Lending［J］. Annual Review of Financial Economics， 2022 （14）： 187～207.

［9］宋科，李振，趙瓊薇. 區域創新、制度環境與銀行穩定［J］. 金融評論，2018，10（5）：46～69;124.

［10］唐瑩，鄧超. 銀行信任視角下我國小微企業的信貸約束研究——基于問卷調查的實證分析［J］. 經濟理論與經濟管理，2018（12）：47～56.

［11］謝治春，趙興廬，劉媛. 金融科技發展與商業銀行的數字化戰略轉型［J］. 中國軟科學，2018（8）：184～192.

［12］Ahn K.J.，Cho J.S. Major Concerns of Fintech （Financial Technology） Services in the Korean Market［J］. Journal of Business and Retail Management Research，2019（1）：123～133.

［13］Berg T，Burg V，Gombovi A.，Puri M. On the Rise of Fintechs - Credit Scoring Using Digital Footprints［J］. The Review of Financial Studies，2020（7）：2845～2897.

［14］馮素玲，張榕，許德慧. 監管促進了金融科技的普惠效應嗎？［J］. 濟南大學學報（社會科學版），2021，31（6）：85～98；175.

［15］Riccetti L，Russo A，Gallegati M．Financial Regulation and Endogenous Macroeconomic Crises［J］. Macro Economic Dynamics，2018（4）：896－930.

［16］宋博，董靜，王寧. 新時代中國城市商業銀行改革與轉型研究［J］. 經濟體制改革，2020（3）：123～129.

［17］Taylor-West P，Saker J，Champion D. Market Segmentation Strategies for Complex Auto Motive Products［J］. Journal of Strategic Marketing，2020（3）：266～283.

［18］Jin X， Ke Y， Chen X. Credit Pricing for Financing of Small and Micro Enterprises Under Government Credit Enhancement： Leverage Effect or Credit Constraint Effect［J］. Journal of Business Research，2022（1）：138.

［19］付軾輝，焦媛媛，魯云鵬. 產品創新設計思維：結構維度、量表開發與檢驗［J］. 南開管理評論，2023（4）：1～23.

［20］Zhao W，Yi L. Product Innovation Logic under the Open Innovation Ecosystem： A Case Study of Xiaomi （China）［J］. Technology Analysis amp; Strategic Management.2021（5）：659～676.

［21］趙峰，付韶軍，杜雯翠. 中國的金融監管治理有效嗎——基于中國銀行業的問卷調查［J］. 財貿經濟，2014（8）：49～61.

［22］廖重斌.環境與經濟協調發展的定量評判及其分類體系——以珠江三角洲城市群為例［J］. 熱帶地理，1999（2）：76～82.

［23］方芳，李強. 商業銀行數字化轉型如何影響風險承擔——基于負債成本與信貸選擇機制的分析 ［J］. 貴州財經大學學報， 2024（3）： 31～39.

Research on the Impact of Financial Technology on the Credit Demand of Small and Micro Enterprises

WEN Xuezhou1，SUN Hao1，YUAN Shichen2

（1.School of Business， Jiangnan University， Wuxi， Jiangsu 214122， China; 2.School of Finance and Economics， Jiangsu University， Zhenjiang， Jiangsu 212013， China）

Abstract：

The credit needs of small and micro enterprises（SMEs）cannot be met without the precise support of commercial banks， but existing research has paid less attention to the matching situation between banks and SMEs from the perspective of financial technology （Fintech）. Based on 508 bank samples and 2148 SMEs sample data from 5 provinces （autonomous regions） across the country， this paper measured matching degree of credit supply and demand between banks and SMEs. Based on this， this paper constructed a theoretical model of the relationship between Fintech application， innovation level， bank enterprise credit consensus， financial regulation， and matching degree of credit supply and demand between banks and SMEs and provided an empirical analysis and test. The results indicate that the application of Fintech has a positive impact on the matching degree of credit supply and demand between banks and SMEs; innovation level and credit consensus between banks and enterprises play a partial mediating role in it; financial regulation not only negatively regulates the relationship between the application of Fintech and innovation level; but also negatively regulates the role path of Fintech application in matching degree of credit supply and demand between banks and SMEs. The research conclusion enriches and expands the measurement of the matching degree of credit supply and demand between banks and enterprises and the related research on influencing factors， and provides a scientific decision-making basis for promoting Fintech to alleviate the financing difficulties of SMEs.

Key words：

financial technology applications; innovation level; financial regulation; matching degree of credit supply and demand between banks and SMEs; degree of credit consensus between banks and SMEs

責任編輯：吳錦丹

收稿日期：2023-08-29

基金項目：國家社會科學基金一般項目“金融科技破解小微企業信貸供求錯配困境的作用機制及實現路徑研究”（22BGL065）。

作者簡介：文學舟（1973—），男，湖北孝感人，江南大學商學院教授，博士生導師，研究方向為中小企業融資、金融科技與數字普惠金融；孫 浩（1998—），男，江蘇蘇州人，江南大學商學院碩士研究生，研究方向為金融科技與數字普惠金融；袁仕陳（1971—），男，湖南綏寧人，江蘇大學財經學院副教授，研究方向為企業融資、貨幣理論與實踐。