金融科技企业价值影响因素研究

摘   要：文章以沪深上市的金融科技企业为样本，基于组态视角和模糊集定性比较分析方法，对金融科技企业价值影响因素进行了研究，报告了产生高金融科技企业价值的6种组态。金融科技企业可根据自身情况，通过多种途径提升企业价值，可以在政府的大力支持下通过利用资产与创新驱动企业价值提升，可以在大股东有力主导下通过资产增值驱动企业价值提升，还可以在具有较强盈利能力的情况下通过创新驱动企业价值提升。

关键词：金融科技;企业价值;组态;高质量发展

中图分类号：F832.39  文献标识码：B  文章编号：1674-2265（2022）05-0059-05

DOI：10.19647/j.cnki.37-1462/f.2022.05.008

一、引言

金融科技在世界范围内蓬勃发展，正在改变和重塑金融业态以及人们的生活方式，金融科技以及有关领域企业也成为学界和业界关注的焦点。与传统企业相比，金融科技企业在发展历程、商业模式、价值来源等方面有明显不同，具有低利润率、轻资产、高创新、高风险、上规模的特点，与传统企业相比有较大的差异，其企业价值影响因素与传统企业相比也有所不同（徐雅倩，2020）[1]。企业价值对于金融科技企业的发展乃至资本市场的发展都具有重要影响，理清金融科技企业价值的影响因素，对于金融科技企业控股股东、非控股股东、潜在投资者以及监管机构都具有一定参考价值，也是在理论和实践的双重探索中呈现的一个重要时代课题。

Davenport（1907）[2]首先提出了企业价值的概念，并对企业的资本结构与盈利能力的二元关系进行研究，是企业价值研究的滥觞。目前学界对于企业价值的概念尚未形成共识性表述，但总体的认识和判断基本一致，即企业价值是以企业整体作为对象的财务估价，衡量企业整体的公平市场价值，是企业获利能力的货币化体现，可以用企业总资产价值减去企业负债中非付利息债务价值后的余值或企业所有者权益价值加上企业的全部付息债务价值表示。现有文献针对金融科技企业价值影响因素的研究并不多，主要采用传统的因子分析法和面板数据回归模型等开展研究。由于回归模型基于演绎逻辑和假设检验，对于样本数量有较高要求，而目前金融科技企业尤其是数据获取可行性较强的上市公司数量并不多，因此，采用回归模型分析具有一定局限性。本研究采用组态分析视角，使用模糊集定性比较分析（Fuzzy Set Qualitative Comparative Analysis，fsQCA）方法，基于溯因逻辑分析特定的必要和充分两类结果产生的组态原因，更契合企业价值影响因素这种复杂关系分析。

二、理论背景与文献述评

部分学者针对互联网领域的企业价值影响因素开展了研究。赵子荣（2019）[3]运用面板数据回归模型对互联网金融信息企业价值影响因素进行研究，认为互联网金融信息企业价值与风险和社会影响力因子、盈利水平因子、股权集中度因子、发展水平因子以及研发投入与用户价值因子都存在着显著的相关关系，与营运水平因子的关系不显著。王健（2021）[4]以沪深两市的互联网零售企业为例，对“互联网+”商业模式下零售企业价值创造的影响因素进行实证分析，结果表明零售企业的价值创造离不开社会化、定制、锁定以及专注四个因素的推动。

部分学者针对相关领域上市公司价值进行了研究。徐翔等（2021）[5]选择近年上市公司A股案例，对集中式光伏发电企业价值以及关键影响因素进行研究，认为收益法评估应当充分考虑政策变动、电价交易机制、弃光限电状况等企业獲利能力关键影响因素。张哲敏（2019）[6]对我国建筑业上市公司价值影响因素进行研究，认为建筑企业价值影响程度的指标由强到弱依次为盈利能力指标、发展能力指标、营运能力指标、偿债能力指标、城镇化率指标。罗雨楠（2020）[7]对创业板上市企业价值影响因素进行研究，认为企业规模、盈利能力、成长能力、营运能力、高管特征、偿债能力与企业价值具有较为显著的正相关关系，且影响程度由强至弱;创新能力、股权结构、资产结构对企业价值的影响不显著。周燕（2020）[8]对创业板企业价值影响因素进行研究，认为资产负债率与企业价值呈负相关关系;无形资产在企业资产中占比越多，企业价值越高;企业研发支出比例越高，企业价值越高，因此，创业板企业应该重点关注企业的创新能力。

国外学者通过实证方法对企业价值的影响因素进行研究，通常以研发支出、企业积累的无形资产以及企业拥有的专利作为企业价值的因变量。Ballester等（2003）[9]运用剩余收益估价模型研究认为，研发支出与企业市场价值显著正相关。Mark等（2001）[10]对256家美国和184家日本上市高科技企业分别进行研究，结果表明，对日本企业而言，企业拥有专利数量对企业价值影响不显著，而对美国企业而言则具有显著影响。Durnev和Kim（2005）[11]认为，公司治理和信息披露行为对企业价值具有正向影响。Hasan等（2021）[12]认为，企业组织资本规模和合法避税程度与企业价值呈现正相关，具有较大组织资本规模的企业的合理避税行为能够为企业增加未来的现金流。Salerno等（2021）[13]认为，与类似的非科技金融企业相比，金融科技企业首次公开募股定价较低，证实了金融科技企业首次公开募股与更高水平的抑价之间存在正相关关系，阐明了金融科技行业对股票抑价的影响。

通过对金融科技企业价值影响因素相关文献的回顾，可以得出以下结论：一是现有针对金融科技企业的文献主要从宏观层面进行分析，包括行业发展现状与未来趋势、金融科技的定义与内涵等，对于金融科技企业价值影响因素的研究很少;二是针对企业价值影响因素的研究很丰富，但是对于特定行业的研究较少，没有将行业特征作为重要因素予以考虑;三是尚未有文献将fsQCA方法引入企业价值影响因素研究中。因此，本研究主要有以下几个方面的创新，一是研究主题聚焦金融科技企业价值影响因素，深入开展相关研究;二是引入fsQCA方法分析金融科技企业价值影响因素的组态原因。

三、研究方法

（一）研究方法选择

定性比较分析方法（QCA）最早由著名社会学家Ragin（1987）[14]提出，并逐渐引起学界关注。定性比较分析将定性研究与定量研究的优势相结合，较好处理社会科学研究领域单案例或多案例研究中论证过程和论证结果的传统缺陷，论证过程和论证结果更加严谨科学。定性比较分析基于布尔代数分析原理，利用条件与结论之间非对称关系，解释哪种条件（X）组合形态是结果（Y）发生或不发生的必要条件或充分条件（Alan等，1993）[15]。定性比较分析能够处理多种条件之间的并发关系，能够识别促进金融科技企业价值提升的不同因果路径。定性比较分析方法中，条件（自变量）与结果（因变量）之间的关系用以下符号表示（见表1）。

模糊集定性比较分析是定性比较分析的一种，采用模糊集得分方式赋值变量，赋值根据变量标准在0到1之间取得。如上文所述，与传统回归研究方法不同，模糊集定性比较分析采用布尔代数，因此，不会遗漏变量偏差，也没有控制变量的有关要求。模糊集定性比较分析有三个程序：一是样本案例的选取及自变量和因变量的设定;二是运用有关软件进行真值表建构、数据校准与数据分析;三是研究变量之间的条件组态和影响机制（Judge等，2020）[16]。

（二）样本来源

根据模糊集定性比较分析与研究需要选择对应的案例及数据。考虑到研究主体是金融科技企业价值影响因素，样本确定为沪深上市金融科技企业，参考万得金融分类有神州信息、中嘉博创、南天信息等55家企业。为确保信息的时效性、准确性和权威性，从相关企业2020年年报中选取数据。

（三）变量测量

结果变量选取方面，为了便于数据获取和与其他相关研究具有可比性，从万得数据库中直接读取企业价值（剔除货币资金）。条件变量选取方面，一是从政府政策支持和创新能力角度考虑，王维等（2016）[17]认为政府补助和研发费用对当期及滞后一期企业价值都有显著正向影响，研发费用在政府补助与企业价值关系中具有显著中介效应，因此，可以将政府补助、研发费用分别作为条件变量。二是从运营能力角度考虑，营业总收入是企业各项经营收入之和能最直接反应企业收入水平与企业价值，因此，可以将营业总收入作为条件变量。三是从持股结构角度考虑，前十大股东持股比例合计是持股结构的重要衡量指标，因此，也可以作为条件变量。四是从企业规模角度考虑，企业总资产与企业价值密切相关，因此，也可以作为条件变量。五是成长能力和盈利能力，可以将营业总收入（同比增长率）和总资产报酬率作为条件变量，具体见表2。

（四）变量校准

采用直接法将变量校准为模糊集。由于金融科技企业价值影响因素缺乏外部和理论标准，参考先前研究及Ragin（1987）[14]的观点，将1 个结果变量和 7个条件变量的完全隶属、交叉点和完全不隶属的 3 个校准点分别设定为案例样本描述性统计的95%、59%、5%。反事实分析中的锚点设定原则亦然。为确保数据可运算，统一对大数值以常数e为底数取对数。各变量校准锚点及描述性统计如表3所示。

四、结果分析

（一）必要条件分析

模糊集定性比较分析方法不关注单个条件变量对结果变量的影响程度，目的在于找出导致结果变量的必要或充分条件组合（张驰等，2017）[18]。检验结果变量的必要条件变量需要采用必要性检验，旨在反映两种变量的交集在结果模糊集合中所占比例（Ragin，2006）[19]。将校准后数值输入fsQCA3.0软件进行必要条件分析，结果如表4所示。充分条件存在一定会导致结果发生;必要条件是导致结果发生所必须存在的条件，但是仅有必要条件存在并不能保证结果一定发生。可以看出，条件变量的覆盖率水平均低于0.8，條件变量营业总收入（同比增长率）的一致性超过0.9，其余条件变量对结果变量的独立解释能力较弱，因此，有必要对其进行构型分析，找出影响金融科技企业价值的多种路径组合。

（二）组态分析

鉴于金融科技企业价值受到多重因素共同影响，单变量分析无法科学准确说明金融科技企业价值的影响因素，因此，应当开展条件组态分析。本文采用fsQCA3.0软件运行金融科技企业价值真值表，分析金融科技企业价值的影响因素组态，这些不同的组态表示实现同一结果的不同因素。本文将原始一致性阈值设定为0.8，将PRI一致性阈值设置为0.70，案例频数阈值设定为1，对真值表不符合频率阈值的情况行进行删除，将结果编码为0或1，即可根据频率将某些组合分类为相关组合，而其他组合则为不相关组合。

通过标准分析得到复杂解（Complex solution）、简约解（Parsimonious solution）、中间解（Intermediate solution）等三个解，通过中间解与简约解的嵌套关系对比，识别每个解的核心条件：既在中间解也在简约解中出现的条件为该解的核心条件，只在中间解中出现的条件为边缘条件。分析结果如表5列示。使用调整一致性水平和改变测量方法等两种方法进行稳健性检验，并借助Schneider和Wagemann（2012）[20]提出的定性比较分析方法结果稳健的两个标准进行研判，研究结论依然稳健。

由表5可以看出，影响金融科技企业价值组合路径的一致性都在0.8以上，表明测量结果对案例的解释程度比较高。从中间解的输出结果中可以看到总体覆盖率为0.78，总体一致率为0.83，说明这6个条件组合以及所选择的样本对金融科技企业价值具有较高的解释力度。6个金融科技企业价值影响因素的组合路径原始覆盖度分别为0.53、0.58、0.29、0.27、0.27、0.26，这说明前两个组合路径对金融科技企业价值影响较大，后4个组合路径的影响较小。下面详细分析每一种影响金融科技企业价值的组合路径。

一是政府支持下的资产与创新驱动型。该组合路径中，高政府补助、高研发费用和高总资产为核心要素。H1中，高营业总收入、高前十大股东持股比例和高营业总收入（同比增长率）为辅助要素。H2中，高营业总收入、高营业总收入（同比增长率）和高总资产报酬率为辅助要素。H3中，非高营业总收入、非高前十大股东持股比例、高营业总收入（同比增长率）和非高总资产报酬率为辅助要素。这说明在政府支持下，企业资产和企业创新是驱动企业价值增长的重要因素。

二是大股东主导下的资产驱动型。H4中，高前十大股东持股比例、高总资产和非高营业总收入为核心要素，非高政府补助、非高研发费用、高营业总收入（同比增长率）和高总资产报酬率为辅助要素。当前十大股东持股比例较高时，利益协同效应开始凸显，大股东自身利益逐渐与企业总体利益趋同，在此情况下如果企业具有高总资产，营业总收入不高但其同比增长率高、总资产报酬率高，即使政府补助和研发费用不高，也会有高企业价值。

三是盈利能力支持下的创新驱动型。高研发费用和高总资产报酬率为核心要素。H5中，高政府补助、非高营业总收入、高前十大股东持股比例、非高总资产和高营业总收入（同比增长率）为辅助要素。H6中，非高政府补助、高营业总收入、高前十大股东持股比例、非高总资产和高营业总收入（同比增长率）为辅助要素。具有高总资产报酬率基础上，投入高研发费用，在高政府补助、高前十大股东持股比例和高营业总收入（同比增长率）情况下，如果营业总收入和总资产不高，也会有高企业价值。具有高总资产报酬率基础上，投入高研发费用，在高营业总收入、高前十大股东持股比例、高营业总收入（同比增长率）的情况下，如果政府补助和总资产不高，也会有高企业价值。

五、结论与启示

（一）研究结论

本研究尝试将多变量系统性关系分析为基础的构型研究范式引入金融科技企业价值研究，以沪深上市的金融科技企业为樣本，通过组态视角和fsQCA方法，发现产生高金融科技企业价值的6种组态，呈现了高金融科技企业价值的多重实现方式。这说明金融科技企业可以根据自身情况，通过多种途径提升企业价值，可以在政府的大力支持下通过资产与创新驱动企业价值提升，可以在大股东有力主导下通过资产增值驱动企业价值提升，还可以在盈利能力较强的情况下通过创新驱动企业价值提升。

（二）政策启示

一是在政府的大力支持下，通过企业资产和企业创新驱动企业价值持续增长。加大金融科技企业扶持力度，对于金融科技重点项目、系统重要性机构、基础设施和平台给予政策支持，鼓励优质股权投资企业聚焦投资，发挥市场资源配置作用和财政资金引导放大作用，促进企业资产规模扩大和创新创造。

二是优化股东结构和资本结构，在大股东主导下利用资产驱动企业价值持续增长。股东结构是金融科技企业治理制度的产权基础，股东结构优化是金融科技企业治理水平提高的基础性工作，要充分发挥大股东的利益协同效应，促进大股东自身利益与企业总体利益趋同，推动企业价值良性增长。

三是在一定盈利能力支持下，加大金融科技企业研发力度。金融科技企业应提高研发费用和总资产报酬率，在一定盈利能力支持下，实施创新驱动战略，面向国家重大发展战略和实体经济有效需求，充分发挥新技术应用对金融业务的辅助、支持、丰富和优化作用，提升企业价值，成为助推以国内大循环为主体、国内国际双循环的重要力量。

参考文献：

[1]徐雅倩.H金融科技公司内部审计质量控制问题探讨 [D].江西财经大学，2020.

[2]Davenport R. 1907. The Rate of Interest，Its Nature， Determination，and Relation to Economic Phenomenaby Irving Fisher [J].Journal of Political Economy，15（10）.

[3]赵子荣.互联网金融信息企业价值影响因素研究[D].首都经济贸易大学，2019.

[4]王健.“互联网+”商业模式下零售企业价值创造的影响因素 [J].商业经济研究，2021，（13）.

[5]徐翔，王来峰，黄晓梅，管伯渊，贲蕊.集中式光伏发电企业价值评估及其关键影响因素识别研究 [J].中国资产评估，2021，（07）.

[6]张哲敏. 我国建筑业上市公司价值影响因素研究[D].首都经济贸易大学，2019.

[7]罗雨楠.创业板上市企业价值影响因素研究 [D].上海财经大学，2020.

[8]周燕.创业板企业价值影响因素研究 [J].广西质量监督导报，2020，（01）.

[9]Ballester M， Garcia-Ayuso M， Livnat J. 2003. The Economic Value of the R&D Intangible Asset [J].European Accounting Review，12（4）.

[10]Mark，Hirschey，Vernon J.Richardson. 2001. Valuation Effects of Patent Quality：A Comparison for Japanese and U.S. Firms [J].Pacific Basin Finance Journal.

[11]Durnev A，Kim E H. 2005. To Steal or Not to Steal： Firm Attributes，Legal Environment，and Valuation [J].Journal of Finance，60（3）.

[12]Hasan M M， Lobo G J， Qiu B. 2021. Organizational Capital，Corporate Tax Avoidance，and Firm Value [J].Journal of Corporate Finance，70（1-2）.

[13]D Salerno，Sampagnaro G， Verdoliva V. 2021. Fintech and IPO Underpricing：An Explorative Study [J].Finance Research Letters，2021.

[14]Sanderson S K. 2013. The Distinctiveness of Comparative Social Science [M].Sociological Worlds. Routledge.

[15]Alan D. Meyer，Anne S. Tsui，C. R. Hinings.  1993. Configurational Approaches to Organizational Analysis [J].The Academy of Management Journal，36（6）.

[16]Judge W Q， Fainshmidt S， Brown J L. 2020. Institutional Systems for Equitable Wealth Creation：Replication and an Update of Judge et al. [J].Management and Organization Review，16.

[17]王维，吴佳颖，章品锋.政府补助、研发投入与信息技术企业价值研究 [J].科技进步与对策，2016，33（22）.

[18]张驰， 郑晓杰， 王凤彬. 定性比较分析法在管理学构型研究中的应用：述评与展望 [J]. 外国经济与管理，2017，（04）.

[19]Ragin C C. 2006. Set Relations in Social Research： Evaluating Their Consistency and Coverage [J].Political Analysis，14（3）.

[20]Schneider，Carsten Q，Wagemann，Claudius. 2012. Set-Theoretic Methods for the Social Sciences：A Guide to Qualitative Comparative Analysis （QCA） [M].Cambridge， UK：Cambridge University Press.

Research on Influencing Factors of Fintech Company's Value

——Qualitative Comparative Analysis of Fuzzy Sets Based on Listed Companies in Shanghai and Shenzhen

Wang Guangsheng

（Chinese Academy of Social Sciences，Beijing   100732，China）

Abstract：The article examines the factors influencing the value of fintech companies listed in Shanghai and Shenzhen based on a group perspective and a fuzzy set qualitative comparative analysis method. It also reflects the six groupings that generate high fintech firm value. The results of the study indicate that fintech companies can enhance their enterprise value in a variety of ways depending on their own circumstances， through leveraging assets and innovation with strong government support，through asset appreciation with strong leadership from major shareholders，or through innovation with strong profitability.

Key Words：fintech，enterprise value，configuration，high-quality development

（責任编辑    王运玺;校对   YX，WY）

收稿日期：2022-02-13      修回日期：2022-03-09

作者简介：王广生，男，河南太康人，博士，中国社会科学院副研究员，研究方向为技术经济及管理。