APP下载

政策性科技金融数字化转型路径及影响机制分析

2023-01-03伟,王

创新科技 2022年12期
关键词:政策性金融机构机构

王 伟,王 硕

(1.辽宁大学国际金融研究所,辽宁 沈阳 110036;2.辽宁省沈阳市皇姑区财政局,辽宁 沈阳 110032)

1 引言

科技创新是经济发展的核心驱动力,我国“十四五”规划和2035年远景目标均突出强调了其战略意义。政策性科技金融,即政府为解决科技产业发展中的金融市场失灵问题,所采取的一系列普惠性、政策性金融制度安排及国家引导行为[1],其存在的意义及最终目的就是服务科技创新。我国政策性科技金融制度载体,主要有政府性科技引导基金、国家开发银行、中国进出口银行、中国农业发展银行、中国出口信用保险公司等政策性银行和非银行政策性金融机构。科技创新高风险、长周期、高投入的特点,使其依赖政策性科技金融的同时,也对政策性科技金融的能力提出了较高要求。与此同时,信息技术不断迭代与演化并逐步渗透到经济社会的各个方面,数字化对各领域的影响程度不断加深。在数字产业化和产业数字化蓬勃发展的背景下,一方面,技术创新要求政策性科技金融调整服务方式,予以其充分且适配的支持;另一方面,政策性科技金融迎来了与技术融合的新契机,并有望借此实现跨越式高质量发展。无论如何,数字化转型是政策性科技金融的必然选择。因此,探讨转型路径及其影响机制,既是进一步推进政策性科技金融理论研究、弥补其相对于商业性科技金融研究关注度和系统性不足乃至加快构建中国特色科技金融学的重要抓手,也为破解政策性科技金融实践中的现实问题、推动其更好服务科技创新,进而切实助力创新驱动发展战略提供有效思路。

当今时代是信息化时代,而信息的数字化则被称为“信息的DNA”[2]。信息技术革命成为推动当下及未来全球诸多领域发生巨变的一种关键性的科学成就。数字化(Digitalization)属于科学技术范畴及科技专业词汇,兴起于20世纪把模拟信息变成二进制语言的数字技术。作为信息化升级版的数字化,是指使用0和1这两位数字编码,将各种复杂多变的信息(电话、数据、图像等)转变为可以度量的数字信号,并引入计算机内部进行统一处理和分析的过程[3]。数字化转型是通过采用一系列的信息、通信、计算和互联技术,旨在改变企业业务并提高企业能力的一种过程[4],所呈现的是信息技术给企业业务自动化方面带来的变化[5]。随着不断成熟的数字技术逐步渗透到金融领域,金融数字化转型受到国内外学者的关注。

大数据、云计算等数字技术,一方面为金融业转型升级提供支撑[6-7],另一方面也改变了现有的金融结构,模糊了金融的业务边界[8]。依托信息和数字技术兴起与演变的互联网金融在弥补传统金融不足、降低金融市场摩擦[9]的同时,也加剧了金融业内部的竞争。Dapp和Slomika(2015)[10]认为,以银行为代表的传统金融机构为谋求竞争优势会主动拥抱数字技术,进行数字化转型。与此同时,经济增速换挡、发展模式转换、普惠性目标等因素都要求金融进行数字化转型,以提高服务质效[11]。新冠肺炎疫情使消费者的行为习惯发生改变,对数字化服务的需求增加,促进金融机构线上业务增长[12],成为金融数字化转型的催化剂。学者们普遍赞同数字化转型能够使金融机构创新经营模式[13]、改进金融产品和服务[14]、与目标市场的联系更紧密[15]、提高效率并拓展服务范围,尤其是涵盖之前难以服务到的长尾客户[16]。

基于以上梳理可知,已有文献分别从内涵、动力因素和机制、影响及方法等方面对金融数字化转型进行了研究,得出了许多富有意义的结论。但绝大部分文献都是以金融机构,尤其是以商业银行为代表的商业性金融机构为研究对象,系统分析其数字化转型的相关问题。另外,关于金融数字化转型的实证研究较少,且集中于商业银行数字化转型对其盈利能力等的影响。因此,本文从全新的视角出发,聚焦政策性科技金融的数字化转型,推演其可行性路径。与此同时,本文采用实证分析方法,通过构建中介效应模型对转型路径的影响机制进行检验,最后对政策性科技金融的数字化转型提出建议,为其更好地服务科技创新提供思路。

2 政策性科技金融数字化转型的路径推演

根据政策性科技金融及数字化转型的内涵特点,本文将政策性科技金融数字化转型界定为,利用数字技术对政策性科技金融结构形态、运转模式等进行全方位重塑和根本性转变,最终实现政策性科技金融高质量发展与有效服务科创实体经济的有机统一的过程。政策性科技金融数字化转型的探索既受到金融创新理论的指导,也在实践中不断深入。因此,其路径推演既需要理顺理论的逻辑脉络,又需要遵循现实的条件约束。

金融创新理论点明了政策性科技金融数字化转型的起点是与数字技术的融合,核心是让技术为其带来尽可能多的价值增量。20世纪70年代中期以来,伴随着始于50年代西方发达国家金融创新浪潮的迅速兴起并演变为全球性金融变革的大趋势,一批经济学家从不同视角提出了各具特色的金融创新理论。技术推进理论作为其中的主要流派之一,强调科技与金融的融合,认为新技术革命,尤其是新兴通信技术与计算机技术日新月异的发展,是金融创新的主要原因与条件;通过采用自动提款机相关数据进行的实证研究也进一步证实,70年代美国银行业对新技术的采用和扩散是金融创新的主要因素,从而提出了新技术推进金融创新并成为其最核心因素的理论观点。依据该理论,政策性科技金融要进行数字化转型,实现又一次创新发展,首先就是要寻找或开发与之适配的新技术,并进行融合应用,提升自身服务能力。

政策性科技金融的实践同样揭示了数字化转型路径的逻辑思路。首先,服务对象的特殊性要求政策性科技金融利用数字技术提高服务能力。作为一种具有准公共产品属性及特殊性的政策性科技金融,其主要服务具有轻资产和重两权(知识产权、股权)特征的科技型中小企业等科创型强位弱势群体。这与服务对象主要是针对中小微企业和民众,并通过利用科技提高金融服务效率来覆盖这些长尾群体的金融科技异曲同工、殊途同归。科技贷款的难度在于高风险成本、高经营成本和高服务成本,尤其是科技型中小企业融资囿于借贷双方信息不对称而难上加难。针对这些问题,政策性科技金融通过融合大数据与人工智能等数字技术,并进行数字化转型能够有效予以解决。例如:使用先进的数据挖掘与处理技术,来降低客户信息的收集成本;采用信贷产品的线上化运作,来降低人力成本与运营成本等,进而有助于大幅度提升企业信用水平,降低政策性科技金融机构的服务成本和面临的信用风险。

其次,全球百年一遇的新冠肺炎疫情要求政策性科技金融利用数字技术提高业务能力。疫情极大程度地打击了线下活动的同时,催化了各种金融业务全流程的数字化探索,网上银行、线上支付等优势凸显。据全国工商联等联合发布的《2019—2020年小微企业融资状况报告》,疫情期间有40.5%的微型企业使用互联网银行作为其融资渠道。疫情期间政策性科技金融机构的线上金融服务也是避免感染风险和高效发放贷款支持企业的有效举措,数字经济也将成为拉动经济增长的重要引擎和关乎金融机构未来成败的关键,政策性科技金融机构需要把握机遇加快数字化转型的进程。在制定机构科技金融发展战略规划的基础上,加大科技投入和推动创新研发,建设大数据、云计算、人工智能平台,为机构的数字化转型奠定硬件基础。运用区块链技术创新金融产品,借助大数据征信和风控、人工智能授信、远程认证、线上触达渠道等科技手段,探索采用网上银行、手机银行、微银行、小程序、非现场核保核查等非接触式线上金融服务模式,积极引导客户使用金融电子渠道办理业务,将数字金融服务下沉到科技型中小企业,不断推动数字技术在业务领域的广泛应用和线上金融服务效率的进一步提高。

最后,平衡好与商业性科技金融之间的关系要求政策性科技金融利用数字技术提高管理能力。20世纪90年代以来,政策性科技金融从量的互补向质的互补转变,是其与商业性科技金融业务方式协调的主要发展趋势。也就是说,在日益深化的金融倾斜及其逆转、“脱媒”以及政策性融资规模趋减的大背景下,政策性科技金融的业务方式应由过去单纯的规模性扩张即量的互补,逐步转向以质的互补或功能性互补为主的业务方式。如通过“过桥贷款”(Bridge Loan)、委托贷款、信用担保、融资保险等方式,实现与商业性科技金融之间一定量性基础上质性业务合作及互利共赢的协调发展。这尤其需要政策性科技金融的分支机构及内设部门实现精简、人员精干高效。在这方面具有政策性金融成功经验的日本国际协力银行,其员工数量很少,而其承担的业务覆盖148个国家及地区,在维持机构财务稳定和经济有效性的同时,也很好地实现了公共有效性及社会合理性的宗旨目标。政策性科技金融借助于技术手段的广泛应用,进一步优化自身的模式结构,降低机构增设成本和人力成本;同时改造自身结构形态、运转模式及业务方式,以此大幅度减少同商业性科技金融的正面冲突和不公平的直接竞争,推动两者之间不断创新质的互补或功能性互补的业务协调方式及金融产品,达到互利共赢的目的。

综上所述,政策性科技金融的数字化转型路径可以概括为“融合→赋能→升级→转型”,并体现出由外向内和由表及里的特点,即数字技术不断融入政策性科技金融机构,作用于传统的机构渠道、业务流程、金融产品和组织架构,提升了金融机构服务客户、业务研发、经营管理方面的效能,推动机构向线上化、场景化和智能化方向的升级发展,最终实现机构的数字化转型与整体重塑。而且,数字技术与政策性科技金融机构的融合程度,直接决定了其促进机构数字化转型的效果。

具体而言,首先,政策性科技金融机构利用通信与互联网技术开通了手机银行、网上银行业务,将渠道拓展至手机和电脑终端上;同时还利用数字技术对政策性科技金融机构线下的物理网点进行智能、安全优化,以拓展新的数字化渠道。这样,通过线上渠道拓展和线下渠道优化两方面,提升客户数量、客户满意度及获客能力,推动政策性科技金融的线上化和智能化及其数字化转型。其次,采用云计算、人工智能、区块链、物联网等新技术,缩短政策性科技金融业务处理时间并降低业务出错率,在优化业务流程、提升业务能力并使服务更加高质高效的过程中,进一步向智能化方向发展,推动政策性科技金融数字化转型的进程。再次,利用大数据与人工智能挖掘数据的隐含价值,有针对性地设计出信息相对对称条件下客户真实需求的金融产品,推动政策性科技金融产品的定制化和多样化。人工智能既能缓解定制和成本之间的矛盾,也可以对产品使用效果进行跟踪分析;同时,利用技术手段弥补政策性科技金融在不同场景下的服务空白,不断向场景化与智能化方向发展,以研发能力的提升来有力保障政策性科技金融的数字化转型。最后,数字技术的专业技术特性,促使政策性科技金融机构单独设置数字金融部、金融科技部乃至子公司等新的部门,并强化相关部门的协调配合能力,且相应地更新系统架构、布局落地大数据及分布式平台等;机构的整体运行效率及经营管理能力也随之提升,精细化、敏捷化、智能化、数字化水平明显提高,进而为加快政策性科技金融数字化转型提供坚实而高效的组织保障。数字技术助力政策性科技金融数字化转型的一般路径机理,如图1所示。

图1 数字化转型路径图

3 影响机制的实证分析

3.1 研究假设与变量选取

3.1.1 研究假设。根据本文对政策性科技金融数字化转型主路径的界定及路径推演的理论分析,这里将数字技术对政策性科技金融数字化转型路径的影响机制,概括为机构渠道、业务流程、金融产品和组织架构等4个方面,并提出如下假设。

H1:数字技术影响了政策性科技金融机构的渠道,提升了机构的业务覆盖能力,推动了数字化转型。

H2:数字技术影响了政策性科技金融机构的流程,提升了机构的业务操作能力,推动了数字化转型。

H3:数字技术影响了政策性科技金融机构的产品,提升了机构的研发能力,推动了数字化转型。

H4:数字技术影响了政策性科技金融机构的组织,提升了机构的管理能力,推动了数字化转型。

3.1.2 变量选取和数据来源。实证研究所需变量及说明如表1所示。

表1 变量说明

其一,被解释变量方面。本文运用文本挖掘和熵值法测算政策性科技金融机构数字化水平(Dl),以此衡量其数字化转型情况。参考《中国商业银行数字化转型调查报告》对于转型的评估,将政策性科技金融机构的数字化转型分为战略规划、组织文化、业务流程和渠道变革4个方面。由于相关机构对数据的披露十分有限,又由于网络新闻条数一定程度上反映了被报道主体的动态,机构关于数字化转型的新闻条数越多,其相关实践越频繁。因此,本文设计如表2所示的关键词库,以在百度引擎上分别检索国家开发银行、农业发展银行、进出口银行每年含有不同关键词的新闻条数作为分数,计算出政策性科技金融机构在战略规划、组织文化、业务流程和渠道变革中的总分,再运用熵值法计算出相应权重。由于传统熵值法只能计算截面数据,因此本文引入时间变量对数据进行赋权,最终得出政策性科技金融机构的数字化水平分数。

表2 政策性科技金融机构数字化转型关键词库

其二,解释变量方面。本文用人工智能、大数据、云计算和区块链的专利申请数量(Ftp)代表数字技术发展情况。为缓解数据过大影响实证结果的问题,将数值取对数处理。

其三,中介变量方面。为了验证数字技术对政策性科技金融机构数字化转型的影响机制,本文引入网上银行用户数(Wb)、政策性科技贷款额(Tl)、金融产品创新(Np)和管理费用占比(Ac)等4个指标,分别作为渠道、流程、产品和组织机制的中介变量,代表机构的内部能力。网上银行用户数(Wb)衡量了机构的线上业务运营情况,直观反映了其业务覆盖能力;政策性科技贷款额(Tl)衡量了机构的业务规模,代表业务操作能力;金融产品创新(Np)用以“政策性科技金融机构名称+金融产品创新”为关键词在百度引擎中搜索的新闻条数表示,衡量了机构的研发能力;管理费用占比(Ac)则反映了机构的管理能力,为反向指标。其中,网上银行用户数(Wb)、政策性科技贷款额(Tl)、金融产品创新(Np)数值都取对数处理。

其四,控制变量方面。政策性科技金融机构的基本经营情况也会影响自身的数字化转型。因此,本文选择机构的净资产收益率(Roe)、净利润占比(Ii)、资本充足率(Car)和不良贷款率(Nlr)作为控制变量。

本文以国家开发银行、农业发展银行、进出口银行3家核心的政策性科技金融业务经营机构为研究对象,为更细致地考察数字技术对其数字化转型的影响,以机构的各省分行作为基本单位,将各变量按机构在各省的营业网点数占比调整后得到具体数据。由于2009年是人工智能等四大核心技术专利申请数量开始出现明显增长的年份,也是国家开发银行转型改革的起步时间,因此本文选取2009—2020年作为研究时段。

3.2 描述性统计

本文所有变量的描述性统计结果如表3所示。

表3 描述性统计结果

3.3 中介效应模型设定

中介效应模型通过对中介变量的设置和检验,使分析被解释变量和解释变量的内部机制和原理成为可能。本文要验证的假设可以概括为数字技术使政策性科技金融机构的内部能力提高,进而推动了其数字化转型,与中介效应模型的分析思路吻合,因此本文运用该模型对此进行检验,并设计如下回归方程:

其中:Ia为机构的内部能力,分别用lnWb、lnTl、lnNp、Ac代表;Control为控制变量,包括Roe、Ii、Car、Nlr;待估参数β1反映了数字技术对政策性科技金融数字化转型的总效应,α1表示控制中介变量后,数字技术的直接效应;参数θ1为数字技术对政策性科技金融机构内部能力的影响;θ1×α2为中介效应。

3.4 实证结果分析

3.4.1 基准模型结果分析。如表4所示,模型(1)检验了数字技术对政策性科技金融数字化转型的总体效应,根据F检验结果初步判断,采用固定和随机效应模型比混合效应模型更好;在此基础上进行了Hausman检验,接受原假设,因此模型(1)为随机效应。回归系数0.017在1%内显著且符号为正,说明数字技术对政策性科技金融数字化转型起正向促进作用。进一步验证其与政策性科技金融机构的融合是否通过拓展线上渠道、优化线上服务质量而提高了机构的业务覆盖能力,进而推动数字化转型。如渠道机制模型(2)结果所示,F检验与Hausman检验显示模型为随机效应,回归系数0.178在1%内显著为正。模型(3)为固定效应,回归系数0.11显著,而0.009不显著,说明网上银行用户数变量具有完全中介效应,数值为0.178×0.11;数字技术对政策性科技金融数字化转型的直接效应为0.009。这意味着数字技术的应用优化了机构的线上系统,使其内部能力提高。政策性科技金融机构的线下营业网点数量较少,受到营业时间和地理位置的约束,难免辐射范围有限,导致无法为足够的科技企业提供金融服务,而线上渠道则可以极大程度地扩展服务范围。随着数字技术融入程度逐渐加深,政策性科技金融机构的线上渠道得以优化,具有更多功能,为科技企业带来更大的便利。综上,经过检验,数字技术通过影响机构渠道发挥了对政策性科技金融数字化转型的推动作用,综合的线上服务利于机构将更多科技企业纳入服务范围,提高了企业获取金融支持的便利度,奠定了机构数字化转型的基础。

表4 数字技术影响机构渠道、流程回归结果

流程影响方面,验证数字技术与政策性科技金融机构的融合是否缩短业务处理时间、提升项目审核质量,进而提高了机构的业务操作能力,推动了数字化转型。如表4流程机制模型(2)结果所示,结合F检验与Hausman检验,模型为随机效应,回归系数0.213在1%内显著为正,说明数字技术的应用直接提高了政策性科技贷款额。科技企业的特殊性要求政策性科技金融机构提供具有高度专业性的金融服务,尤其是科技型中小企业更需要稳定、持续的资金支持。依托数字技术强大的数据自动化分析、处理能力,政策性科技金融机构能够更加全面地掌握企业的详细情况,从而为开展科技贷款等业务奠定良好的信息基础,增强了对于业务的判断力。另外,数字技术还极大程度地提升了机构的业务效率,通过简化业务流程、缩短处理时间使机构更能解决企业的燃眉之急,更有力地推动企业发展。模型(3)为固定效应,回归系数0.138在1%内显著为正,说明政策性科技贷款额具有中介效应,数值为0.213×0.138。但值得注意的是,在控制中介变量后,数字技术的直接效应是负的,且并不显著,这也表示数字技术通过提高机构业务操作能力进而推动其数字化转型的传导链条并不完全畅通。这很可能是因为数字化转型是一个长期、综合的过程,提高数字化水平需要多种因素协调,机构在与数字技术融合的过程中一旦缺乏整体规划,或是没有利用技术充分优化业务,则难以真正促进数字化转型。综上,经过检验,数字技术可以通过影响业务流程发挥对政策性科技金融数字化转型的推动作用,但机构仍应不断强化业务能力,提高数字化水平。

产品影响的回归结果如表5所示,验证数字技术与政策性科技金融的融合是否使产品趋于定制化和多样化,进而提高机构的研发能力,推动其数字化转型。根据F检验结论,产品机制的模型(2)为混合效应,回归系数0.018在1%内显著为正,说明数字技术的应用直接提高了机构的创新水平。长期以来,政策性科技金融机构组织设定、经营风格较为固定,常常引用商业银行或其他金融机构成熟的产品模式,金融产品未能较好地满足特定服务对象的需求。数字技术为机构开发适合科技企业及自身运营模式的新型产品提供技术基础,极大提高其研发能力。模型(3)中,回归系数0.025和0.016同样在1%内显著为正,说明金融产品创新具有部分中介效应,数值为0.018×0.025,数字技术的直接效应为0.016。综上,经过检验,数字技术可以通过影响政策性科技金融机构的产品研发发挥对其数字化转型的推动作用。机构研发能力的提高使产品更加贴近科技企业的真实需求,是数字化转型的内在保障。

表5 数字技术影响机构产品、组织回归结果

组织影响方面,验证数字技术与政策性科技金融的融合是否使机构设置单独部门并推动了各部门之间协调配合,进而提高机构的管理能力,促进其数字化转型。根据F检验结果,组织机制的模型(2)为混合效应,回归系数-0.001在1%内显著为负,说明数字技术的应用降低了机构的管理费用。这意味着政策性科技金融机构愈加重视与数字技术的融合,通过增加技术研发投入,积极引进、培养金融科技人才,使自身技术实力得以提高。数字技术可以使机构内部各部门协调更加顺畅,利于机构打破部门间“各自为政”的桎梏,促进机构整体协调运转。结合F检验与Hausman检验,组织机制的模型(3)为固定效应,回归系数1.107和0.039同样在1%内显著为正,说明管理费用占比具有部分中介效应,数值为-0.001×1.107,数字技术的直接效应为0.039。这反映了数字技术通过提高管理能力进而促进政策性科技金融机构数字化转型的传导链条是畅通的,机构接下来就应进一步加深数字技术应用,使其充分发挥降低管理成本的作用,从而有助于机构的健康发展。

3.4.2 异质性分析。为更加深入地探讨数字技术对政策性科技金融数字化转型的影响,本文将政策性科技金融机构分行按所在省份划分为东、中、西3个部分,并进行异质性分析。表6显示了数字技术影响不同区域机构渠道的对比结果。由此可知,数字技术对位于东部和中部的政策性科技金融机构数字化转型的影响(0.02、0.03)要深于西部(0.016)。这是由于,一方面,东、中部数字技术发展要优于西部,拥有较大的规模、合理的结构和较高的质量,这就为与东、中部政策性科技金融机构的融合奠定了良好的基础;另一方面,也是更为重要的原因,即东、中部政策性科技金融的发展优于西部。政策性科技金融机构本身的实力存在差异,加之东、中部的科技活动较为活跃,更容易促进机构不断提升各方面能力,提供更优质的金融服务。因此,该区域数字技术与机构的融合是更加顺利的,数字化转型也会相应走在前列。而位于西部的机构虽然利用数字技术进行数字化转型的愿望十分迫切,但是受到的限制较大,与数字技术的融合有限,难以有效发挥其作用。各组的网上银行用户数均具有中介效应,但数字技术对网上银行用户数的影响呈现出东、中、西依次递减的态势,且西部直接效应的结果表现不佳,说明从传导的效果来看,西部也是较差的。因此,西部政策性科技金融需要尽快加快数字化转型的步伐,提升自身服务效能。

表6 数字技术影响不同区域机构渠道对比结果

表7显示了数字技术影响不同区域机构流程的对比结果。由此可知,数字技术影响东部政策性科技金融机构数字化转型的直接效应(0.001)是优于中、西部的(-0.001、-0.013),且对政策性科技贷款的促进作用也较大,说明数字技术通过影响东部政策性科技金融机构的流程,提升机构的业务操作能力,推动其数字化转型的效果要明显大于中、西部。其根本原因依旧是数字技术与东部机构的融合程度相对更深,能够发挥对业务流程的重塑优化作用,显著提高了机构的业务能力,从而推动其数字化转型。而相比之下,尽管西部机构在应用数字技术的过程中也提升了内部能力,并且从结果上看,中介效应并不低(0.022),但整体的效果依然有待加强。这说明机构须加强对数字技术的重视程度,并要让数字技术真正成为提高业务能力的有效手段。

表7 数字技术影响不同区域机构流程对比结果

表8显示了数字技术影响不同区域机构产品的对比结果。由此可知,数字技术对东、中部政策性科技金融机构数字化转型影响的直接效应(0.017、0.026)大于西部(0.015),且前者数字技术对金融产品创新的推动作用(0.029、0.068)也是大于后者的(0.017)。3组均具有部分中介效应,数值依次为0.0006、0.003和0.0004,说明数字技术通过提升产品的定制化和多样化水平而提高了机构的研发能力,进而推动了数字化转型这一传导链条是畅通的。对于西部政策性科技金融机构而言,数字技术改善产品研发的作用较弱,这意味着机构的数字技术布局渗透到研发层面较少。除机构与数字技术的融合程度有限这一原因外,更为重要的是,机构对产品创新的意愿、能力和需求均相对不足,导致在该方面的滞后。这种情况也会进一步影响机构对科技企业的服务质量,不利于机构自身的长期发展,无法为数字化转型提供坚实的支撑。

表8 数字技术影响不同区域机构产品对比结果

表9显示了数字技术影响不同区域机构组织的对比结果。由此可知,数字技术对东、中部政策性科技金融机构数字化转型影响的直接效应(0.049、0.049)远大于西部(0.018),且中介效应的绝对值依次为0.001、0.009和0.0008。这说明东、中部机构的数字技术应用通过降低管理费用、提高组织能力对数字化转型的促进作用要明显超过西部。东、中部金融科技发展较好,更能为机构打破部门间壁垒提供相应的技术支持。东、中部科技企业的活跃也激发了机构提高组织协调效率、提供更好金融服务的意愿。因此,尽管政策性科技金融机构的组织架构相对固定、部门间协调往往不足,但随着数字技术的逐渐渗透,机构也能有效提高管理能力、改善组织的运作效率。而相比之下,数字技术对西部政策性科技金融机构组织的影响较弱,这也是由于组织升级往往是数字化转型的最后阶段,也是最复杂的部分,对于该区域机构而言,目前数字技术应用无法支撑其组织优化,机构仍须进一步探索、深化与数字技术的融合,进而推动数字化转型。

表9 数字技术影响不同区域机构组织对比结果

3.4.3 稳健性检验。为保证结论的稳健,本文对数字技术专利数(Ftp)的计算方法进行调整。将权重由各省专利申请数占比变为金融科技企业数占比,用新的数据进行回归。结果如表10所示,可以看出关键变量回归系数的符号和显著性与原模型一致,不改变本文的基础研究结论。

表10 稳健性检验结果

4 结论与建议

本文从理论和实践两大逻辑角度出发,推演了政策性科技金融数字化转型的路径,并运用面板中介效应模型,实证分析其影响机制,得出的主要结论是:政策性科技金融数字化转型的起点,是与数字技术的融合;服务对象的特殊性、新冠肺炎疫情的暴发,以及平衡好与商业性科技金融之间的关系等,要求政策性科技金融利用数字技术对传统的机构渠道、业务流程、金融产品和组织架构进行优化,提高服务、业务和管理能力,最终实现整体的数字化重塑。因此,政策性科技金融数字化转型的路径可以概括为“融合→赋能→升级→转型”。实证结果表明,数字技术通过影响机构的渠道、流程、产品和组织,对政策性科技金融的数字化转型产生作用。

具体而言,其一,数字技术影响了政策性科技金融机构的渠道,提升了机构的业务覆盖能力,推动了数字化转型。数字技术的应用优化了机构的线上系统,使其内部能力提高。综合的线上服务利于机构将更多科技企业纳入服务范围,提高了企业获取金融支持的便利度,奠定了机构数字化转型的基础。其二,数字技术影响了政策性科技金融机构的流程,提升了机构的业务操作能力,推动了数字化转型。依托数字技术强大的数据自动化分析、处理能力,机构能够更加全面地掌握企业的详细情况,为开展科技贷款等业务奠定良好的信息基础,同时简化业务流程,增强了业务能力,提高数字化水平。其三,数字技术影响了政策性科技金融机构的产品,提升了机构的研发能力,推动了数字化转型。数字技术为机构开发适合科技企业及自身运营模式的新型产品提供技术基础,使其研发能力得到了极大提高,是数字化转型的内在保障。其四,数字技术影响了政策性科技金融机构的组织,提升了机构的管理能力,推动了数字化转型。数字技术使机构设置单独部门并推动了各部门之间协调配合,进而提高机构的管理能力,促进其数字化转型。根据异质性分析,东、中部地区数字技术对政策性科技金融数字化转型的推动作用大于西部地区,西部地区应予以政策性科技金融数字化转型问题重点关注。

根据以上结论,政策性科技金融需要通过不断加深与数字技术的融合程度,快速而扎实地推进数字化转型的步伐,进而实现快捷、高效、低成本、风险可控地服务科技型中小企业等科创类强位弱势群体的最终目的。

首先,强化数字化思维。在数字经济蓬勃发展、数字产业化和产业数字化加速推进的大背景下,数字化转型已然是一条必由之路。而政策性金融机构在此方面的实践要远逊于以商业银行为代表的商业性金融机构。这源于政策性金融机构发展过程中存在思维惯性,对转型的必要性和迫切性认识不足。因此,政策性科技金融机构的当务之急是理解数字化转型的内涵和意义,进而在具体的业务操作中培养数字化思维,让数字化真正融入到机构发展的血脉中。

其次,完善数字化业务和实现数字化运作,尤其是要注重并有效防控技术风险。政策性科技金融要尽可能提高与数字技术的融合程度,可以把业务线上化作为转型的突破口,再逐步深入到产品的研发和整体架构的重塑中。在此过程中也需要注意技术本身及融合所产生的风险,重视防火墙的构建和应急预案的准备,让数字技术更好地发挥作用。

最后,正确处理好目的(支持和服务好科创类强位弱势群体)和手段(体制机制的数字化转型)的关系。数字化转型归根结底是要提高政策性科技金融服务科技创新,尤其是科技型中小企业的能力,那么一切的路径设计都应该以此为落脚点,而不是为了转型而转型,甚至偏离了最终目标。因此,政策性科技金融应严格以满足服务对象的需求为条件进行数字技术的引进、研发与应用,并以服务效能的提高来评判转型质量。

猜你喜欢

政策性金融机构机构
山西首个政策性大豆玉米带状复合种植收入保险落地
2022-2024 年广东省政策性渔业保险
罗克辛刑事政策性刑法体系批判
金融机构共商共建“一带一路”
资金结算中心:集团公司的金融机构
一周机构净增(减)仓股前20名
一周机构净增(减)仓股前20名
一周机构净增仓股前20名
一周机构净减仓股前20名
一季度境内金融机构对外直接投资17.79亿美元