人工智能政策对我国金融产业效率的影响——基于金融产业资源配置效率视角

梁 琳

(苏州科技大学 马克思主义学院，江苏 苏州215000)

一、引 言

2017年，国务院印发《新一代人工智能发展规划的通知》，标志着人工智能上升为我国的国家战略。同时，人工智能也正逐步改变着我国传统金融产业格局，政府及金融部门相继出台了许多相关人工智能政策鼓励和支持金融产业的智能变革发展，并取得了很好的成效。金融业变革发展的有效性是通过产业绩效体现的，产业绩效则与产业资源高效配置直接相关，有关金融产业资源配置效率及其影响因素的探究早已成为国内外学者研究的热点。最早提出“金融资源配置效率”这一概念的是Robinsonn 和 Wrightsman(1974)，他们将金融资源的效率划分为操作效率和配置效率，并指出配置效率是把储蓄资金用于高效投资的转化效率。[1]Hellmann和Kevin等(1996)提出了金融约束论，阐述了政府外在干预的重要性，通过金融政策的实施，可以帮助发展中国家更加顺利度过金融抑制达到金融深化，为经济发展提供一个相对稳定的金融环境。[2]Al-Obaidan(2008)建立了较为全面的指标体系对海湾地区的金融产业效率进行测算后发现，地区的开放型程度能够有效提高综合效率。[3]龙超和蒋冠(2008)从信贷决策和信贷激励的角度，得出了良好的公司治理结构和有效的激励机制可以改善金融资源配置效率的结论。[4]吴涛等(2011)从金融市场发展的角度进行研究发现，金融部门与金融资源配置效率显著正相关，金融部门对资金配置具有重要作用。[5]刘磊(2015)指出，随着利率市场化进程的深入，我国金融资本配置的效率有所改善，但中央银行的利率政策未能显著促进金融资源配置效率的提高。[6]张玉苗和金浩(2017)研究发现，金融发展水平、人力资本水平和消费效率等因素对金融资源配置效率有显著的提升作用，经济基础和基础设施水平对金融资源配置效率的影响并不显著，而地方政府干预行为对金融资源配置效率产生了显著的抑制作用。[7]孙英杰和林春(2019)研究发现，“互联网+”对金融资源配置效率具有显著的正向促进作用，且因地区发展水平不同呈现出的促进效果也存在差异。[8]

综上，国内外学者在研究金融产业资源配置效率和金融业效率影响因素等方面已经取得了很多成果。但在人工智能飞速发展的时代潮流下，人工智能政策这一影响因素被暂时忽略了，关于人工智能政策对金融业绩效的影响亟待学术界去探究。基于此，本文以“人工智能政策”为研究切入点，选取中国2008～2017年31个省市(考虑到数据可得性，暂不将港澳台地区纳入研究范围)金融产业面板数据，采用DEA数据包络分析法和DID模型探究人工智能政策对我国金融产业效率的影响，并提出相应的政策建议。

二、与金融业发展相关的人工智能政策内容本质

目前，在人工智能技术的引导下，我国金融产业迎来了新的发展趋势。政府及金融部门旨在打破传统金融经验导向惯性，加强金融产品和服务创新，依托人工智能技术助推金融产业智能、高效、健康、稳定发展。金融产业借助语音识别与自然语音处理、视觉识别、神经网路、服务机器人等智能技术逐步形成人工智能金融产业链布局，已打造形成智能客服、智能投顾、智能交易、智能风控、智能营销、智能投研、金融预测、数据挖掘、监控预警等诸多人工智能业务场景，摒弃了传统的营运模式，以人工智能技术推动金融产业智能数字化转型，塑造金融新业态。

近年来，我国为了加速金融业的智能转型，出台了许多与金融产业相关的人工智能政策，本文从政策内容本质的角度出发，将政策划分为基础层、技术层和应用层三大类，基础层类型政策侧重点在于理论指导及软硬件的支撑，技术层类型政策重心在于根据市场需求加大对技术的研发与指导，应用层类型政策则着力构建AI金融产业链，具体情况如图1所示。

图1 与金融业相关的人工智能政策内容

从图1可以看出，基础层类型政策主要集中在数据、智能理论的完善以及基础设备的搭建与维护方面，为后续技术、产业创新做好基础准备工作。技术层类型政策在基础层工作之上，加大对智能服务、大数据、互联网等高新人工智能技术的研发与指引，进一步提高我国的人工智能技术水平，结合金融产业的需求，开创智能服务机器人、智能语音交互系统、供应链融资、科技保险等新型智能服务平台及产品。应用层类型政策则是在新型产品及服务平台的前提下，进一步拓宽金融业人工智能技术的应用领域，最终实现金融产业的现代化、数字化、智能化转型。从政策内容的演化及分析过程中可以看出，我国与金融产业相关的人工智能政策总体保持着较好的完整性与关联性，且政策目的性较强。

三、人工智能政策对金融产业效率的影响机理

人工智能政策由初步的拟定到最终的颁布实施，其作用效果是以金融业绩效的增减体现的，但是人工智能政策对金融产业效率的影响并不是直接的，政策作用的对象是人工智能技术。人工智能技术的承担者是金融产业的各个集团或企业，只有通过转变业内绝大多数企业或龙头企业的技术水平和行为，才能逐步改变整个金融产业的智能化程度，最终影响金融产业的绩效水平。

(一)人工智能政策对金融产业效率的促进机理

与金融产业相关的人工智能政策颁布后，政府或产业部门借助信贷支持、技术研发和鼓励、财税优惠、方向引导等政策手段作用于金融产业，在宏观干预的背景下加强金融业与AI技术的融合与变革，逐步改变产业内企业或公司的生产和服务行为，提升金融产业人工智能技术水平，最终实现传统金融产业智能变革的政策目标。具体政策传导机制见图2。

图2 人工智能政策对金融产业效率的促进机理

从金融企业层面分析，新引进的人工智能技术作用于金融业龙头企业或高新水平企业，企业通过招聘专业团队、与人工智能公司合作、内部培训等途径进行人才培养，提升企业技术研发部门的综合水平，切实具备对新型人工智能技术、企业产品、服务平台、数据处理与分析等进行升级、优化及创新的能力。当人工智能技术与企业产品或服务机制完成初步融合且未出现明显漏洞时，技术、产品及新研制服务平台就会通过企业间的交流与合作向整个产业扩散。由于每个企业的发展和技术水平起点不同，在扩散过程中可能会暴露技术壁垒、网络安全、服务平台故障等问题，但随着企业间的相互反馈、援助、研究以及产业人工智能技术水平的提升，金融企业会逐步突破瓶颈，表现出成本降低、运营效率提升等政策促进效应。从产业角度讲，金融产业部门与人工智能产业达成技术合作，以资金支持、政策优惠、拓展需求等方式进一步鼓励和支持AI相关企业的技术研发和维护，实现数据的局部共享；人工智能产业将研发成功的智能技术引导至金融产业需求领域，逐步实现传统金融产业技术的智能转变。在产业发展、技术合作和研发过程中，所遇到的技术研发瓶颈、技术安全等问题可向产业技术研发部门反馈并予以解决，实现金融业与人工智能技术的融合。当技术维护到一定阶段时，人工智能技术对金融产业的影响逐步走向正轨，人工智能技术金融产业化形成，政策促进效应显现，金融产业绩效提升，最终实现智能化金融产业转型。

(二)人工智能政策对金融产业效率影响的悖论分析

当然，一项产业技术政策的颁布与实施对产业的发展和绩效影响并不都是向好的，也不会完全符合如图3所呈现的AI政策促进机制。在人工智能政策短期作用内，可能会存在一段政策悖论期，政策实施面临政策自身属性、政府监管、产业导向、技术瓶颈等问题，极大制约了人工智能政策对金融产业效率的促进作用，外显“政策悖论”(1)政策悖论：通常来讲，政府制定某项政策的出发点都是向好的，政策的最终目标是为了解决市场需求中的某些短缺问题，但在政策实施过程中出现了事与愿违的结果，甚至朝向政策目标的反方向发展，这种现象称之为“政策悖论”。一般政策悖论持续期较短，常出现在政策作用初期。效应。

图3 人工智能政策对金融产业效率影响的悖论机制

从图3可以看出，政府或产业部门出台相关AI政策后，存在对政策实施、金融产业与人工智能产业融合发展监管不力或漏洞的现象。虽然政府一般在制定产业技术政策前，会充分考虑、分析并模拟该政策以及技术对产业未来发展是否有强促进效用，但技术政策颁布后，会时刻受到市场变化的影响。在金融变革发展过程中，传统金融机构以其资金规模、客户基础及数据积累的优势与互联网金融公司和AI企业合作，旨在突破自身技术加速企业转型；互联网金融机构结合金融业市场需求对产品、服务及技术进行设计和创新，最终由AI公司和传统金融机构研发子公司或科研部门进行研发并试点。但在合作交流过程中，传统金融机构需要面对新型产品质量、客户传统观念束缚、网络信息安全等问题，互联网金融公司可能面对创新性不足、产品设计缺陷、服务平台漏洞等问题的困扰，而AI企业可能受到国外技术的垄断，面临技术安全隐患、政策技术导向偏离等难题，显然短期内克服是不现实的。此外，还需要应对政策自身滞后性、政策实施受限、政策导向与现实环境不对称等不确定因素的干扰。因此，无论是从短期来看，还是长期的角度出发，人工智能政策对金融产业绩效的影响及传导过程都是不确定的，可能出现制约金融业绩效提升的“政策悖论”现象。

四、人工智能政策对我国金融产业效率影响的实证检验

本文以“人工智能政策”作为切入点，借助双重差分模型(DID)探究与金融产业相关的人工智能政策对我国各省市金融产业效率的净效应，进而分析人工智能政策对我国金融产业效率的影响。

(一)变量选取

结合DID模型和研究对象的特点，本文以金融业技术效率为被解释变量，选取人工智能政策为核心解释变量，引入时间和地区两个虚拟变量，参照江湧(2017)[9]等的做法，选取地区经济发展水平、金融业结构水平、地区居民消费水平、地区科技水平和对外开放程度等为控制变量。变量的具体选取情况如表1所示。

表1 双重差分模型变量选取情况

对于被解释变量fcrste，以2008～2017年我国各省市金融业技术效率来表示；核心解释变量人工智能政策，以时间和地区虚拟变量的交互项，即gd来表示；time为时间虚拟变量，以《中国制造2025》发布当年(2015年)为时间节点(即2015年之前，time=0；2015年之后，time=1)；area为地区虚拟变量，选取北京市、上海市、天津市、重庆市、江苏省、广东省、浙江省、安徽省(2)国内相关部门并未对人工智能试点地区进行披露，本文根据我国AI发展进程及省市间经济、科技水平的差异，选取我国直辖市、长江三角洲及珠江三角洲覆盖省市为优先试点地区。等为人工智能政策优先试点地区(即所述省市area=1，其他省市area=0)。在控制变量中，地区经济发展水平以省市GDP的对数值表示，金融业结构水平以各省市第三产业增加值与第二产业增加值的比值表示，地区居民消费水平以各省市居民消费水平的对数值表示，地区科研水平以各省市R&D经费的对数值表示，对外开放程度以各省市进出口贸易总额与当地GDP的比值表示。各变量的描述性统计如表2所示。(3)篇幅所限，控制变量估计结果留存备索，下同。

表2 各变量的描述性统计

(二)模型构建

在主要变量选取的基础上，本文将DID测度模型设定为如下形式：

fcrste=c+αgd+β1time+β2AREA+γicontrol+ε

(1)

其中，c为常数项，α为解释变量系数，β1和β2为时间和地区虚拟变量系数，ε为残差项，fcrste为被解释变量，表示各省市地区金融产业的技术效率，gd为核心解释变量，gd=time×area，表示各省市实施人工智能政策的净效应，area及time分别表示地区和时间虚拟变量，取决于各省市是否实施与金融产业相关的人工智能政策以及政策实施的时间节点，control表示控制变量，可能包含led、fisl、rcl、til或foow。

(三)我国金融产业效率的测度结果

本文利用Deap2.1软件对选取的金融产业样本数据进行效率测算和分析。由于将我国金融业作为整体研究过于笼统，不能很好地反映各省市及地区间金融业效率的差异，故本文从各省市以及中、东、西三大地区(4)中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省市，西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古12个省市自治区。两个维度分析我国金融产业的效率情况。

1.我国各省市金融产业效率均值

我国31个省市近年来金融产业效率的均值如表3所示。从整体上看，我国金融产业在2008～2017年平均技术效率为0.680，其中纯技术效率均值为0.713、规模效率均值为0.958，金融产出的总体效率未在效率前沿面上，究其原因主要是纯技术效率的制约作用。从各省市来看，北京、天津、上海、浙江和陕西5个省市的技术效率达到有效值1，其他省市均未达到生产前沿面，其中，吉林、江西、甘肃和海南的金融效率值仅有0.389、0.365、0.335和0.519，属于低效率省份。具体分析来看，吉林、江西以及甘肃三个省份因为纯技术效率过低，金融产业投入的资源未得到充分利用；海南则由于规模效率较低，没有形成较为完善的金融产业规模。

表3 2008～2017年我国各省市金融业效率均值

2.我国中部、东部、西部三大地区金融产业效率

我国中部、东部、西部三大地区金融产业的效率值详见表4，根据表中数据显示，东部地区金融业效率水平最高，2008年起始水平已经达到0.7572，而中部和西部地区只有0.5466和0.5595。从各地区技术效率组成上来看，规模效率scale波动幅度不大，稳定在0.9540～0.9910之间，各地区金融产业效率的变动主要取决于金融业的纯技术效率。具体来讲，各地区金融产业已形成较为完备的产业发展规模，制约金融业效率的主要因素为金融资源的投入与产出状态未达到最优，资源未得到充分利用。此外，受2008年全球金融危机的冲击，我国金融产业不得不进入恢复期，之后在AI等技术兴起和金融产业变革发展的双重刺激下，我国金融产业逐步走出产业恢复期，转入新型金融产业时期，最终中部、东部、西部三大地区金融产业效率呈现先下降再稳步提升的变化趋势。

表4 2008～2017年我国三大地区金融业效率值统计表

(四)人工智能政策对我国金融产业效率的净效应分析

1.模型估计与结果分析

在DID模型设定基础上，本文将地区经济发展水平(led)、金融业结构水平(fisl)、地区居民消费水平(rcl)、地区科技水平(til)和对外开放程度(foow)等控制变量逐步引入到模型(4)中，更切合现实社会经济环境来探索人工智能政策对我国金融业效率变革的影响，模型回归结果见表5。

从表5可以看出，随着地区经济发展水平、金融业结构水平、地区居民消费水平、地区科技水平和对外开放程度等控制变量的逐步引入，核心解释变量gd(time×area)的回归系数并没有发生本质性的变化，介于-0.0647～-0.0395之间，均在10%甚至5%的水平上显著，说明2015年到2017年我国金融产业效率的人工智能政策净效应都是负的，即自2015年开始实施与金融产业相关的人工智能政策，至2017年政策的实施总体上抑制了我国金融产业效率的提升。时间虚拟变量(time)和地区虚拟变量(area)的系数为正，表明政府或产业部门即使未出台与金融产业相关的人工智能政策，我国金融业的效率水平也将会随时间的发展而提高。从经济学原理的角度分析，虚拟变量的回归系数为正是金融产业自身结构优化的作用，但作用周期一般较长。因此，政府通常会通过宏观干预的手段加速金融业结构的优化，缩短优化周期。结合对人工智能政策的负效应分析，在2015年后，与金融产业相关的人工智能政策的实施很显然未达到政策制定时的预期，甚至对金融业效率的提升起到了制约作用，这可能与政策实施力度有限、产业内企业执行效率较低、政府监管不严、AI技术融合偏差等阻碍因素有关。在诸多控制变量中，金融产业结构水平和科技水平回归系数显著性并不理想，而经济发展水平对金融业效率呈现出显著的抑制作用，金融产业结构水平和对外开放程度则对各省区金融产业效率起到了促进作用，并且在10%甚至1%的水平上显著。

表5 人工智能政策对中国金融业效率影响的DID回归结果

2.稳健性检验

为了规避与金融业相关的人工智能政策效应的偶然性，本文运用Placebo Test对实证结果的稳健性进行检验。将之前选定时间虚拟变量时设定的时间节点提前两年(即2013年之前，time=0；2013年之后，time=1)，重新对模型6进行回归分析，如果政策净效应仍然表现显著制约作用，说明在2015～2017年间与金融产业相关的人工智能政策的实施抑制了金融业效率的提升，反之上述结论不成立，仅为偶然现象。

从表6所呈现的DID结果可以看出，核心解释变量gd的回归系数为-0.0335，在10%的水平上显著，此外我们发现各变量系数的性质也与模型6原始回归结果保持着较高的相似性，因此基于“反事实”分析法可以说明，在2015～2017年我国与金融业相关的人工智能政策阻碍了金融产业效率提升的结论是稳健的。

表6 稳健性检验结果

五、 研究结论与对策建议

(一)研究结论

通过本文的实证分析可以看出，2015～2017年我国与金融产业相关的人工智能政策的实施显著制约了金融产业效率的提升，即2015～2017年与金融产业相关的人工智能政策的实施对我国金融产业效率起到了阻碍作用。显然，我国金融产业仍处于人工智能政策介入初期，政策悖论效应显著。究其原因，两年的时间对于一项新兴的产业技术政策由初步拟定到作用于产业，再到落实到各省市的金融企业是远远不够的，再加上金融产业面临人工智能政策自身属性制约、政策作用周期局限、政府或产业部门监管漏洞、人工智能技术瓶颈、布局领域对技术排斥、市场需求与新型产品或服务不对称等诸多负面因素的影响，最终致使在研究期内人工智能政策的实施阻碍了我国金融产业效率的提升。当然，此研究绝不是否认我国政府宏观调控的作用，恰恰相反，相关政策的支持对于产业长期发展的重要性不言而喻，而当前所呈现的对金融产业效率提升的抑制作用只是我国金融产业变革发展过程中的初期阶段。本文不认为人工智能政策悖论效应会持续下去，在2017年之后的几年或者十几年，我国金融产业会突破技术瓶颈，政府部门也会结合市场需求进一步完善相关技术及产业政策，逐步解决金融业、市场及政府部门中的现存问题及未来问题，政策促进效应逐渐彰显，我国金融产业会进入人工智能政策介入中期或后期，最终实现智能化，产业效率趋于高效稳定。

(二)对策建议

1.加强对金融企业AI技术的研发和引导

当前，我国AI技术发展仍处于瓶颈期，金融企业技术水平、产业及服务的覆盖范围更是存在显著差异，为了加快金融业的智能化进度，政府及产业部门应当鼓励和支持企业在AI技术领域的研发投入，加强企业内部人才培养。同时，应加强对金融企业智能化战略布局的引导，促进人工智能与企业的融合，增强企业服务平台、数据处理、产品推销等领域与人工智能技术的契合性。

2.完善金融产业技术政策，强化政策实施与监管力度

在AI技术得到保障的前提下，金融业变革发展依旧需要完善的与金融产业相关的人工智能政策，政府及产业相关部门应从人工智能技术、金融产业、金融业各大企业等多个角度制定合理的产业技术发展政策，促使政策导向与AI技术相契合。同时应加大产业技术政策的落实及实施过程中的监管力度，通过提升产业智能技术水平、把控产业发展方向、加强金融业与AI领域融合、鼓励企业间交流合作、扩大产业优惠深度与宽度等方式支持金融产业智能化发展。

3.打造政府—金融业—市场三位一体发展格局

为了促进金融产业健康、稳定及智能高效的发展，政府应当充分发挥宏观调控职能，加强对金融产业的支持、监管以及对公民消费储蓄需求的引导与刺激，金融产业自身则应及时洞悉市场需求的变化和政府的鼓励方向，保证适应和变革能力，市场也应在政府引导和产业未来发展大趋势下充分释放自身的消费及需求水平，构建政府—金融业—市场一体化合作格局，提升我国金融产业的效率水平。

4.建立健全金融产业AI技术安全防护体系

就目前我国金融产业及产业技术的发展现状而言，还有很长的路要走，也面临诸多考验，如服务系统优化升级、大数据分析偏离、金融监管漏洞、防火墙安全等技术问题亟待解决。为了保证我国金融产业健康稳定发展，政府、金融业部门及企业应结合AI技术与产业发展特点，加大技术研发和科研投入，引进专业化人才并进行技术安全培训，组建技术安全维护团队，建立AI技术安全防护体系，从根源上为金融产业变革发展保驾护航。