金融科技有助于提高实体经济的投资效率吗？

刘 园，郑忱阳，江 萍，刘 超

(对外经济贸易大学 国际经济贸易学院，北京 100029)

一、问题提出

金融科技(fintech)也称科技金融，在中国最早于2011年被提出，真正吸引业界注意是在2015年，2017年金融科技的发展受到各界广泛关注，之后金融业的科技创新从规范管制逐渐走向成熟。金融科技即“金融+科技”，是将一系列技术创新如人工智能、智能投顾、区块链等全面应用于金融领域，以帮助传统金融业降低风险、成功转型。中国的金融科技在迅猛增长中，安永在2017年2月的最新报告中称，2016年中国对金融科技的直接投资已位列全球第一*安永会计师事务所2月14日发布受英国政府委托撰写的中英第八次财金对话专题报告《中英金融科技行动指南》。。金融科技的诞生和升温浪潮，固然是由于科技公司为提高传统金融效率，开始尝试以技术创新融合原有的金融服务，但最重要的原因是企业乃至政府迫切需要寻找到新的金融创新方式和经济增长点。

近年来，实体经济*这里“实体经济”是指除去房地产市场和金融市场之外的部分。面临严重困境，遭受多重挑战。实体经济在中低端徘徊，内生发展动力不足，虚拟经济的高速发展过度吸引资金，致使实体企业面临融资难、筹资难、投资难、转型难等严峻挑战。2017年中央在经济工作部署中已明确提出振兴实体经济的重大任务，纠正“重虚轻实”“脱实向虚”倾向，正确处理虚拟经济和实体经济的关系，去产能降成本等解决措施亟待执行。中央提出金融科技的本质目的在于服务实体经济，有学者已论证金融业服务实体经济存在无效率的问题[1]，而金融科技能够通过提高金融业的运作效率，最终助力实体经济。本文研究金融科技与实体经济企业投资效率的关系，认为金融科技服务于实体经济最终将表现为提高实体企业的投资效率。

提到金融科技，可以与互联网金融相比较。互联网金融和金融科技从概念角度是完全不同的，从实际操作来看二者既有联系又有区别。互联网金融，顾名思义指“互联网+金融”，即“互联网+”落实在金融领域，其本身是业务属性，可看作是一种业态；金融科技特指“金融+科技”，侧重于科技层面，在金融业务中扮演辅助角色。由此可见，互联网金融是金融业的组成部分，而金融科技是在金融业的基础上融入先进的支付手段或者大数据和人工智能等高科技，即金融科技理论上是包含互联网金融的，金融科技是互联网金融的延伸，互联网金融是金融科技的雏形。2016年《中国互联网发展报告》指出，金融科技是继互联网金融之后，科学技术在金融领域创新运用的延续。

根据互联网金融在中国的发展轨迹可以看出，互联网金融发展的前期和中期有利于降低金融业的风险，但后期发展愈演愈烈反而提高了金融业的风险，即互联网金融和金融业风险承担呈现正“U”型[2]。金融科技助力于实体经济是以金融业为桥梁实现的，由于金融科技的起步晚于互联网金融，因此在2013年之前金融科技处于初期阶段，此时也相当于互联网金融的后期阶段，互联网金融加剧了金融业风险，因此金融科技发展初期不利于实体经济投资效率；2013年之后结合金融监管进一步发展和推广，金融科技逐渐完善，有助于提高实体经济投资效率，因此金融科技对实体经济投资效率的影响也遵循“U”型曲线。所以金融科技的发展要求金融监管的完善，金融科技对实体经济效率的影响存在拐点，在拐点之前过分强调金融科技，可能会被虚拟经济扭曲利用，不利于实体经济的投资效率；一旦突破拐点，意味着金融科技实现了质的飞跃，到达“U”型曲线的右半段，助力于实体经济的发展。李文红和蒋则沈(2017)指出金融科技是金融业发展到一定阶段的必然趋势，其并不能代替传统金融业的基础功能，要适度发展不能过分强调[3]。

金融科技是近期视角新颖的课题，也是今后金融领域关注的热点问题，众多学者对其研究仅停留在政策和改革等理论层面。金融科技虽然具有积极作用，但并不能代替传统金融业的功能，其潜在风险和监管挑战也是不容忽视的[4]。就其对银行业发展而言，金融科技的发展给传统银行业带来了挑战，传统银行业在金融科技时代背景下的创新发展路径尤为重要[5-6]。目前金融科技对实体经济效率影响的实证研究几乎为空白，极少数实证文章也是围绕其对银行业的风险冲击，因此本文的研究方法和思路对金融科技和实体经济相关领域具有开创性。在借鉴现有研究利用措辞提取和因子分析构建金融科技指数的同时对其方法进行了改进，对金融科技的量化更加精确。本文首次利用代表性措辞区分了金融科技与互联网金融的本质区别，金融科技指数构建的精确性也对日后其实证研究具有借鉴作用。本文指出金融科技能够通过提高实体企业的投资效率服务于实体经济，且金融科技对实体经济企业投资效率的影响呈正“U”型，证明了金融科技的发展存在拐点。目前中国金融科技对实体企业投资效率的影响已到达“U”型的上升阶段，金融科技已然成为服务于实体经济的助推器，符合中央对于其主要任务的定位。本文的研究结论对国家适度发展金融科技、实体企业合理利用金融科技都具有一定的指导意义。

本文余下部分的安排如下：第二部分是文献回顾，第三部分是数据与模型设定，第四部分是实证结果与分析，第五部分是稳健性检验，最后是研究结论。

二、文献回顾

金融科技自提出以来，其发展经历了一个漫长的阶段。国内外学者关于金融科技本质的具体界定意见不一，但广大学者已经意识到金融监管在金融科技发展阶段中的重要作用，金融科技真正服务于实体经济还需要监管层的有序配合。现有文献大多从政策建议和理论层面阐述金融科技的兴起和监管。阿尔特和普施曼(Alt & Puschmann，2012)认为，信息技术的发展、消费者行为习惯的改变、传统银行业的危机以及监管制度的变化等共同促进了fintech的兴起[7]。方新(2017)首次描述了金融科技在中国的发展路径：2013年被公认为是“金融科技元年”，2014年金融科技发展迅速，2015年金融科技在相关政策相继出台的基础上从野蛮生长逐步走向成熟规范，2016年金融监管全面配合金融科技，缓解了金融业鱼龙混杂、良莠不齐的行业状态[8]。廖岷(2017)指出金融科技的监管缺乏统一标准和框架，全球各国的监管措施各不相同，无法达成共识；在国际层面，金融科技跨境展业趋势已经显现，但监管合作应对不足，据此推出金融科技的监管对策和路径[9]。杨松(2017)提出金融科技监管应遵从“调适性监管”，加强包容性监管和国际协调监管力度[4]。李文红和蒋则沈(2017)承认金融科技的积极作用，但同时认为其存在潜在风险和监管挑战，既不应“神化”，也不应“轻视”[3]。

在企业效率的研究方面，可以从宏观和微观两个层面进行分析，研究企业微观效率的文献居多。斯坦(Stein，2003)指出融资成本、股权结构和外部产品市场竞争等因素都会影响到公司投资水平及其效率，其认为公司投资效率低下是由于市场中存在的信息不对称和委托代理成本[10]。艾伦等(Allen et al.，2005)提到中国等发展中国家法制制度发展较为落后，企业融资较多依赖银行渠道，因此银行业的服务效率与企业投资水平密切相关[11]。黄海杰等(2016)以2004—2013年中国上市公司为样本研究中国的“四万亿投资”政策对企业效率的影响，并通过分析宏观政策影响企业决策的路径，表明投放货币政策给企业投资效率带来损失，而提高信息披露质量能有效缓解此问题[12]。目前，研究企业效率的实证模型主要有两个，理查森(Richardson，2006)企业投资效率模型以及投资水平-投资机会敏感模型[13-15]，文中两种模型都会涉及。在宏观层面，企业效率的测度依靠全要素增长率和总体无效率值。蔡则祥等(2017)运用SBM方向性距离函数和卢恩伯格(Luenberger)指数法分别测度及分解各省份金融服务实体经济发展的无效率和全要素生产率值，指出金融业在服务于企业的纯效率、纯技术效率、规模效率、技术效率存在普遍的无效率性[2]。基于以上文献，本文认为金融科技必须通过改善金融业的服务模式助力实体经济效率，金融科技与实体经济的融合迫在眉睫。

金融科技对实体经济效率直接影响的研究几乎为空白，多数文献主要集中在金融业和科技创新对实体经济增长的影响层面以及互联网金融和金融科技对金融业风险承担的影响。张林(2016)运用静态和动态空间面板模型检验金融科技对实体经济增长的影响，结论表明金融发展和科技创新能够促进实体经济的长短期增长，但金融发展与科技创新之间融合互动不足[16]。蔡则祥等(2017)发现金融业服务于实体经济存在普遍的无效率性，金融与实体经济发展出现严重错配，并就优化金融资源配置、提高金融服务实体经济发展效率提出相应的对策建议。切凯蒂和克鲁比(Cecchetti & Kharroubi，2012)考察了金融规模扩张对实体经济产出的影响，研究结果表明金融对实体经济产出的促进作用存在门槛值限制，即部分发达国家经济体和新兴市场经济体存在金融规模的过快增长抑制实体经济产出的现象，从而降低了金融部门推动实体经济产出的效率[17]。而郭品等(2015)发现互联网金融对商业银行风险承担的影响呈现先降后升的“U”型趋势；汪可等(2017)证实了金融科技与银行业的风险成倒“U”型，即金融科技初期提高银行业风险，后期配合金融监管则有利于银行业风险的降低[18]。此结论同样可适用于金融科技，因此金融科技以银行业为桥梁助力实体经济效率。基于此，本文提出如下假设：

假设1：金融科技与实体经济投资效率呈现“U”型关系，即金融科技初期不利于实体经济投资效率，后期对实体经济效率呈指数型推动。

假设2：现阶段中国金融科技与实体经济投资效率处于“U”型的上升阶段，即金融科技助力实体经济得以实现。

假设3：金融科技提高实体经济投资效率的重要原因是其有助于提高企业的风险承担能力，帮助企业更有效地投资于高风险高收益领域。

三、数据与模型设定

(一)金融科技指数的构建

对于金融科技指数的构建，本文借鉴郭品和沈悦(2015)[2]对互联网金融指数的计算，采用因子分析法。因子分析最关键的是找到金融科技的因子构成，因此首先利用措辞提取法和百度搜索引擎，量化原始词库以计算金融科技的关键词词频。由于金融科技可以看成是互联网金融的延续和改进，其关键词词频与互联网金融有较多重合的部分，比如第三方支付、移动支付、网银互联网理财等。但其还有自己独特的代表性关键词，如大数据、云计算、智能投顾、ABS云、区块链、开放等最新年度六大关键词，因此对金融科技指数的构建也考虑了金融科技领域的最新关键词，从而使得指数更加全面综合。表1显示本文总结的以金融功能分类的5大关键词，共25个。

表1 金融科技关键词

阿斯基塔斯和齐默尔曼(Askitas & Zimmermann，2009)研究发现，新闻发布量可反映人民日常关注的需求信息和与企业投入相关的供给信息，因此关键词所包含的新闻条目数与金融科技的发展成正相关[19]。2003年首次出现了关于互联网金融和金融科技的关键词，因此选择2003年作为初始年份，以保持数据的完整性。本文统计了百度数据库中2003—2016年含有原始关键词的年度新闻数目与年度新闻总数，二者之比即关键词的年度词频，以量化各个关键词。由于搜索引擎中并没有给出年度新闻总数，以教育部发布的《中国语言生活报告》中的媒体综合类十大流行语数目总和作为年度新闻总数代理变量。为全面反映每年新闻特征，需要利用各年度的报告中媒体的综合类十大流行语，因此本文更加准确地衡量了年度新闻总数。由于教育部的《中国语言生活报告》是从2005年开始编写的，所以2003和2004年的新闻总数以在百度引擎中搜索的中国主流报纸综合类十大流行语总数计算。统计结果见表2。

表2 年度热词和新闻总数

表2(续)

数据来源：《中国语言生活报告》及百度搜索引擎。

本文同样采取因子分析法，首先根据检验对措辞进行精简，将措辞分为12种，分别概括了表1中的5种功能。支付清算选择第三方支付、移动支付；借贷融资选择网上投资、网上融资；财富管理选择互联网理财、互联网保险；渠道业务选择电子银行、网银；技术支持选择大数据、云计算、人工智能和ABS云(见表3)。借助因子分析法确定因子个数，根据特征根大于1，本文找到了3个因子，KMO检验显示结果大于0.5且通过了巴特利特检验，说明本数据是适合因子分析法的；在3个因子中提取关键词构成各因子，将3个因子命名为支付渠道(第三方支付、移动支付、网上投资、电子银行、网银)、财富管理(网上融资、互联网理财、互联网保险)、技术支持(大数据、云计算、人工智能、ABS云)；最后利用回归分析法估计因子的得分系数矩阵以计算因子得分。金融科技指数(FI)以因子得分为权重将公因子表示为原始变量的线性组合，并利用最大最小化原则将数据标准化至0～1。

表3 因子构成

表4 金融科技指数

表4显示，支付渠道指数在2008年以前较大，原因是商业银行在互联网金融出现之后大力推进业务网络化，网络金融渠道的拓宽也带动了线上和线下支付的增加；同时在2009年电子支付、第三方支付进入爆发期，金融支付手段的多样化带动了金融渠道的发展。以上原因使得支付渠道指数在2009年之前都较高，之后由于金融危机的滞后性，支付渠道指数从低迷逐渐回归稳定，直至2016年新兴科技的发展使其指数增加迅速。财富管理指数从2009年之后迅速发展，2011—2013年，互联网投借贷和理财业务平台日益成熟，网络投融资成为热潮，财富管理指数稳中有升，随后在金融科技发展的基础上AI技术和智能投顾的驾轻就熟，进一步推动了财富管理指数的增加。技术支持指数在2009年有很大的突破，源于大数据和云计算的提出和推广，2013年之后，互联网金融步入后期，金融科技紧随其后，人工智能、区块链和ABS云等的深入普及使得技术支持指数不断提高。从整体的金融科技指数来看，金融科技是互联网金融的延伸，其大体呈逐年增加的趋势，金融危机的冲击使得金融科技指数在2006—2008年较低，随经济恢复逐年回归，2013年突破较大，2015—2017年快速发展。本文计算的金融科技指数基本符合方新(2017)描述的金融科技整体趋势，即2013年是金融科技起步并发展的一年，2014年进入快速发展阶段，2015年伴随相关政策相继出台金融科技走向成熟规范，2016年是金融科技“规范元年”，金融科技全面监管时代到来，2017年之后金融科技配合金融监管将更加完善。

(二)企业投资效率模型

如前文所述，企业投资效率模型有投资水平-投资机会敏感模型和理查森模型，本文采用理查森的模型考察金融科技对实体企业投资效率的影响。估计企业投资效率分两步进行：首先利用回归分析估算企业的资本投资水平，然后取其残差值的绝对值作为投资效率的代理变量。笔者搜集2003—2016年上市公司的微观年度数据，剔除ST企业、金融业、房地产与以及数据缺失的企业，共得到953家实体经济上市公司。数据来自国泰安CSMAR数据库和万得WIND数据库，所有连续变量均作首尾各1%的winsorization处理。理查森模型回归方程为：

Invi，t=α+β1Invi，t-1+β2roai，t-1+β3levi，t-1+β4agei，t-1+β5sizei，t-1+β6qi，t-1+β7chshi，t-1+αind+αt+εi，t

(1)

式(1)中，Invi，t表示企业i第t期的投资水平，Invi，t-1表示其滞后一期即t-1期的企业投资决策。对于投资水平的测度本文参照吕长江和张海平(2011)[20]，即Invi，t=(cash1+Δcash-Δcash1-cash2)/ta0，cash1=购建固定资产、无形资产和其他长期资产支付的现金；Δcash=取得子公司及其他营业单位支付的现金净额；Δcash1=处置固定资产、无形资产和其他长期资产收回的现金净额；cash2=处置子公司及其他营业单位收到的现金净额；ta0=期初总资产，roai，t-1、levi，t-1、sizei，t-1分别表示t-1期的总资产收益率、资产负债率、企业规模(总资产的对数)；q代表企业的托宾Q值，通常用其来代表投资机会，qi，t-1是企业t-1期的托宾Q值；agei，t-1是企业第t-1期的年末上市年限，chshi，t-1是企业第t-1期现金持有量的对数。αind为行为虚拟变量，αt代表年度虚拟变量。εi，t为模型的随机误差项，即为实际投资偏离理想投资水平的部分，其直接度量了企业的非效率投资，进而反映企业的投资效率。模型(1)对行业和年度进行控制，使模型回归结果更加准确。由于存在投资水平的滞后项，本文采用动态面板差分GMM进行回归估计，以避免内生性影响模型的估计效果。

根据理查森(2006)[13]描述投资效率的方法，选取上述回归中拟合出的企业投资水平的残差项来作为企业投资效率的代理变量。若残差大于零，则表明企业存在过度投资；若残差小于零，则表明企业投资不足，即残值越趋向于零，企业的投资越有效。本文对残差取绝对值(|ΔInv|)以剔除符号对投资效率的影响，只考虑定量方面。由以上分析知，|ΔInv|值越小，企业的非效率投资越少，企业的投资越有效。为研究金融科技对企业投资效率的影响，采用以下回归模型：

(2)

(三)进一步分析

金融科技之所以能够提高企业的投资效率，另一个重要的原因是其能够提高企业的风险承担能力，有利于企业利用金融科技手段有效地投资于高风险高收益的领域。验证金融科技指数与企业风险承担能力间的关系，首先确定风险承担水平的代理变量。风险承担水平的测量已有文献主要采用以下两个维度的指标：首先是波动性指标，即ROA、ROE波动性，或者股票回报的波动性[21]；其次是R&D支出或者资本性支出[22-23]。参照现有研究，由于企业高管一般任期为3年，本文以3年为1期，计算企业每三年的ROA标准差作为企业风险承担能力变量Risk。为保持数据的完整性，本文选择计算2010—2016年的风险承担水平，因此需要2008—2016年的ROA数据。利用如下模型进行分析：

Riskit=α+βfit+γcontrolsit+αt+εit

(3)

其中，Risk为企业风险承担水平，fi表示金融科技指数，controls变量有总资产收益率(roa)、资产负债率(lev)、企业规模(size)、第一大股东持比(top1)、前三名高管工资对数(gpay)。假设3认为金融科技能够提高企业风险承担能力，即β显著为正。模型(3)用于验证假设3。

四、实证结果与分析

(一)金融科技与企业投资效率

模型(1)、模型(2)各变量的描述性统计结果见表5。

表5 模型(1)、模型(2)各变量描述性统计结果

利用上述模型，得到表6和表7的回归估计结果。

表6 模型(1)回归结果

表6(续)

表7 模型(2)回归结果

注：***、**、*分别表示在1%、5%、10%水平下显著，括号内显示聚类标准误。

金融科技会通过银行业的技术提升最终服务于实体经济，因此实体经济的投资效率是通过金融业的风险降低实现的，即金融科技与实体经济效率的桥梁是金融业的风险，这就体现出了金融监管在金融科技发展中的重要性。2013年之前的金融科技可以看成是互联网金融发展的后期阶段，根据郭品和沈悦(2015)得到的互联网金融和金融业风险承担关系呈“U”型的结论[2]，互联网金融后期发展愈演愈烈引发了一系列金融监管不到位的问题，加剧了金融业的风险。2013年是金融科技元年，随后几年金融科技在发展的同时注重了金融监管，秉承了金融科技辅助金融业发展的原则，避免了金融科技对金融业和实体经济的过度干预，从而使得其降低金融业风险的同时提高了实体经济企业的投资效率。

(二)金融科技与企业风险承担

上述模型(3)变量的描述性和回归结果统计见表8和表9。

表8 模型(3)各变量描述性统计结果

表9 模型(3)回归结果

注：***、**、*表示在1%、5%、10%水平下显著，回归结果显示聚类标准误。

从表9中的汇报结果可以看出，金融科技指数与企业风险承担显著正相关，金融科技指数增加一个单位，企业风险承担能力提高0.011个单位。金融科技的发展能够提高企业的风险承担能力，进而有利于企业投资效率的改进。假设3得以验证。

五、稳健性检验

(一)变更投资水平测算方法

理查森模型中最重要的变量是投资水平Invi,t，文献中对于投资水平的计算各有差异。为验证本文结论的稳健性，采用另一种常用的方法计算投资水平，即Invi,t=固定资产、在建工程、无形资产以及长期投资的净值变化量(期末-期初)/平均资产额(期初与期末的平均)。仍使用模型(1)和模型(2)进行回归估计，结果显示，金融科技与实体经济效率呈“U”型关系，且拐点约为0.5，得到的结论与上文一致(表7②)，由此证明了本文结论的稳健性。

(二)模型替换

本文提到了两个衡量企业投资效率的模型，其中使用了理查森的模型，在稳健性检验中，会使用投资水平-投资机会敏感模型对企业效率重新进行回归，再次印证前文结论。模型如下：

Invi,t=α+β1Qi,t-1+β2fit+β3Qi,t-1×fit+β4controlsi,t-1+αind+αt+ε

(4)

类似地，模型(4)中Inv表示企业投资，计算方法与模型(1)相同。Q代表企业的托宾Q值，通常用其来代表投资机会。fi为金融科技指数，用上文表4计算出的指数表示。controlsi,t-1为控制变量滞后一期，此处有企业规模size(总资产的对数)、总资产收益率(roa)、资产负债率(lev)、企业上市年份(age)、现金持有(cash)。β1系数显示投资机会与企业投资决策的关系，托宾Q值越大，企业的投资机会越好，从而投资量越大。β3是托宾Q和金融科技指数的交叉项系数，代表了投资机会的敏感性，β3为正即表示金融科技的发展提高了企业的投资效率。采用面板数据的聚类标准误进行估计(结果见表10和表11)。

表10 模型(4)各变量描述性统计结果

表11 模型(4)回归结果

注：***、**、*表示在1%、5%、10%水平下显著。括号内显示聚类后的稳健标准误。

从上述回归结果也可以看出，β1系数为正，表示企业托宾Q值越大，投资机会越多，企业的投资量越大，符合预期。β3系数显著为正，金融科技对实体经济企业投资效率的影响是正向的，即金融科技的发展有助于提高实体经济企业的投资效率。此模型的局限在于无法具体指出金融科技与实体经济效率的关系是呈现何种函数形式，只能确定金融科技对实体经济效率是有积极影响的。

虽然模型(4)与模型(2)相比具有局限性，但是其结果仍证实了本文结论的稳健性。根据理查森(2006)投资效率模型和投资机会敏感模型，均得到相同的结论，即金融科技与投资效率是正相关的[24]，金融科技的发展有利于实体经济企业投资效率的提高。

六、研究结论

通过两种测度企业投资效率的模型，本文研究发现金融科技对实体企业的投资效率确实存在显著的积极影响，但这并不意味着金融科技自始至终都是对企业投资有正向影响的。金融科技对企业投资效率的影响呈现“U”型规律，即金融科技的发展存在拐点，低于此拐点时，金融科技的发展不利于实体经济企业的投资效率，一旦超过此拐点，金融科技对企业投资效率会呈现指数型的提高。这种“U”型规律和互联网金融对于金融业风险承担影响的规律大体一致，这里也能反映出金融科技与互联网金融的密切联系。金融科技实际上也是通过改善金融业的技术手段来传导对于实体经济的推动作用。

金融科技的发展之所以能够推动实体经济的投资效率，根本原因在于支付手段、财富管理以及对银行业技术支持的改进。金融科技指数中的支付渠道指数能够有效地提高中国传统零售业和批发业的主营业务收入，且金融科技中的财富管理和技术支持能够促进企业合理配置资源，如人工智能和智能投顾的出现极大地改善了实体企业的制造效率和决策效率。但金融科技发展初期却对实体企业投资效率的影响出现了扭曲，原因之一是过分强调金融科技对金融业和实体经济的干预，忽略了金融监管的重要作用，致使金融业杂乱丛生，再加上企业不能合理利用金融科技来规避风险，因此对实体经济企业投资效率产生负面影响。研究表明金融科技发展的初期相当于互联网金融发展的后期，银行业的风险提高也不利于实体经济的发展。另一个重要原因在于，金融科技不仅有利于实体经济的发展，虚拟经济也会利用金融科技进行业务拓展，由于虚拟经济的进步速度与实体经济相比具有优势，金融科技一旦被虚拟经济扭曲利用，实体经济必然会遭受危机。这也是中央提出纠正“重虚轻实”“脱实向虚”倾向的原因之一。

金融科技是把双刃剑。金融科技融入金融业，有利于加强金融服务供给，提升服务效率，降低服务成本；但同时也会影响传统金融机构盈利能力，增加信息科技风险等操作风险，低门槛致使其吸引更多高风险客户，从而提高金融业的整体风险。金融创新可以为金融业锦上添花，但无法代替传统金融的基本功能，若不加以任何管制，甚至可能加剧金融业风险的隐蔽性、传染性和突发性。因此金融科技的发展不仅离不开金融监管，还对监管层提出了更高的要求。合理运用金融科技，突破金融科技发展的拐点，帮助传统金融业实现转型，是目前监管层的主要任务。不可否认的是，金融科技确实有利于实体经济企业的投资效率，能够提高实体经济企业的风险承担能力，便于其更高效地投资于高风险高收益领域。合理把握金融科技发展的度，使其在降低金融业风险的同时助力于实体经济效率，这便是金融科技优化和保障实体经济发展的最优路径。