数字金融与实体企业金融投资行为

蒋鹏程,江红莉

(1.上海财经大学 城市与区域科学学院,上海 200433;2.江苏大学 财经学院,江苏 镇江 212013)

一、引 言

根据国家统计局数据,自2000年以来,中国金融业增加值与GDP的比值一路攀升,2019年已达到7.78%。特别是2013年以来,攀升速度进一步加快,广义实体经济(1)根据黄群慧(2017)的定义,广义实体经济是除去金融、房地产以外的行业。和工业增加值占GDP的比重一路下滑。金融市场的繁荣吸引了大量实体企业配置金融资产,虽然能够增加企业短期利润,但会损害企业主营业务的长期发展[1]。随着越来越多的实体企业多元化发展,造成实体部门“空心化”,与经济高质量发展背道而驰。党的十九大报告明确指出“深化金融体制改革,增强金融服务于实体经济的能力”,强调金融的本源在于服务实体经济发展。目前,中国正经历百年未有之大变局,激活实体经济活力,提高金融服务实体经济的质效是新发展格局下经济高质量发展的关键所在。

伴随着实体经济的低迷,金融业等虚拟经济却逆周期上涨。作为依托数字技术的金融新业态,数字金融的诞生改变了金融业竞争格局,降低了金融市场分割和摩擦,在促进金融市场繁荣发展的同时,也深刻地影响着企业投资行为。在供给端,数字金融发展为企业提供了丰富的金融产品和金融投资渠道,克服了有限参与机会的约束。在需求端,数字金融发展有效地缓解了企业融资约束,为企业配置金融资产提供资金支持,缓解了企业金融投资的资金约束。那么,数字金融会对实体企业的金融投资行为产生怎样的影响?又是如何影响?数字金融发展背景下,企业投资金融资产又出于何种动机?将产生怎样的经济后果?这一系列问题的回答,不仅能够拓展数字金融经济后果的研究、丰富企业金融化驱动因素的研究,而且有助于全面评估数字金融发展的经济效应,深刻认识数字金融的经济效益,为数字金融高质量服务实体经济提供靶向和着力点。

现有文献主要从企业融资成本、融资约束、技术创新和企业全要素生产率等角度探讨了数字金融发展的微观经济后果[2-4]。鲜有文献关注数字金融对企业金融投资行为的影响、机制及其经济后果。而关于企业金融化的影响因素,既有文献主要关注资本市场制度改革、金融监管制度、货币政策等金融因素,缺乏对数字金融这一新金融业态的关注[5-7]。鉴于此,本文在宏观金融发展影响实体企业金融投资行为的逻辑架构下,探讨数字金融对企业金融投资行为的影响和路径,进一步识别实体企业金融化背后的动机、经济后果以及数字金融在其中扮演怎样的角色。

本文可能的边际贡献在于:第一,以数字金融为切入点,探讨其对实体企业金融投资行为的影响、机制、动机及其经济后果,拓展了数字金融经济后果的研究和企业金融化驱动因素的研究,有助于厘清金融科技与实体经济发展之间的内在关联,为实现金融供给侧改革,提高金融服务实体经济质效提供理论依据和经验证据。第二,基于中介效应模型识别融资约束在“数字金融—实体企业金融化”靶向路径上的作用,以揭示数字金融影响企业金融化背后的机理,打开数字金融影响企业金融化的“黑箱”。第三,在“数字金融—实体企业金融化”的框架中进一步探讨数字金融结构、企业个性化特征和企业外部资源禀赋(城市传统金融发展水平和信息技术发展水平)等横截面特征引致的异质性影响,为合理区分数字金融的“脱实向虚”效应提供了依据,有助于分类引导数字金融高质量服务实体企业发展。第四,丰富了数字金融及企业金融化的经济后果研究。从企业主业发展视角识别了数字金融驱动企业“脱实向虚”背后的动机以及从企业吸纳就业的角度探讨了数字金融及企业金融化的经济后果。通过全面客观评估数字金融的经济后果,有助于企业和政府政策制定者深刻认识数字金融对企业长期发展乃至宏观经济发展潜藏的负面效应,为“十四五”期间引导数字金融服务企业高质量发展提供可靠依据。

二、文献评述与理论分析

(一)文献评述

从投资行为来看,企业金融化是指企业将大量的资金投入非生产性经营活动,进行金融投资[8]。从结果来看,企业金融化后大量的利润来自于金融投资,而非生产性经营活动。关于企业金融化,既有文献主要关注了企业金融化动机及其经济后果、驱动因素等。

企业金融化的动机。一方面,金融资产的投资收益相较实体投资而言,具有配置变现快、回报率高的优势,企业为了追逐超额的金融收益,会将大量资金投资金融资产进行市场套利,即存在“套利”动机[9]。现有研究大都发现中国企业配置金融资产主要出于金融套利动机[10-11]。另一方面,配置金融资产能够起到未雨绸缪的作用(“蓄水池”动机)。即配置金融资产的目的是为了预防未来现金流的不确定性,防止资金短缺给生产经营活动带来财务风险[12-13]。

企业金融化的微观经济后果。“蓄水池”动机下,企业配置金融资产,利用其较强的变现能力,在面临财务困境时,可以缓解融资约束、推动未来时期的企业研发创新和降低财务风险,以此弥补主业投资和“反哺”主营业务[10-12]。套利动机下,企业配置金融资产行为会挤占研发投入,降低实业投资率,抑制企业创新,加剧财务风险和抑制企业全要素生产率的提升[10-11,13-15]。

企业金融化的驱动因素。既有文献关于企业金融化影响因素的研究主要分为两类。一是宏观层面,大致可以分为金融因素和非金融因素,金融因素包括资本市场制度改革(如融资融券政策、利率市场化等)、金融监管制度、货币政策等[5-7];非金融因素包括经济政策不确定性、产业政策等[16-17]。研究发现:利率市场化、融资融券政策、宽松的货币政策均促进了企业金融化,而地方产业政策、央行宽松倾向的言辞沟通、金融监管、经济政策不确定性上升等均能显著地驱动企业“去金融化”。二是企业内部因素。高管作为企业管理的决策者,因其不同特质、经历和背景,对企业金融化产生了不同的影响[18-19]。聚焦于公司治理,闫海洲等研究表明管理者过度自信促进了企业金融化,提高内部控制的质量能够有效抑制实体企业金融化[20-21]。

(二)理论分析

数字金融发展提供了丰富的金融投资产品,促使企业克服了金融投资的机会约束。随着数字技术与金融业的深度融合,涌现了丰富的、收益相对较高的互联网理财产品。与传统银行存款和金融理财产品相比,数字金融产品具有利率市场化、交易效率高和成本低等特点,备受投资者青睐。以余额宝为例,2013年5月余额宝上线,便以远高于银行的收益率吸引投资者。随后百度、腾讯、小米等互联网企业纷纷跟进数字金融业务,产生了京东金融、微信支付、小米金融等。数字金融的发展丰富了金融市场的投资渠道和产品,让企业有了更多的金融产品选择权和投资渠道。此外,数字金融能够利用数字技术进行智能投顾,利用人工智能技术、计算机算法分析客户的需求和资产结构偏好,量身打造适合客户的投资结构和组合。数字金融的兴起,推动了保险行业的变革,保险产品和销售也纷纷实现数字化转型,数字保险服务结构也开始出现,数字保险配合数字金融的各项服务,实现了对金融投资、理财和支付各环节的保障,增加了企业金融投资的信心和风险承担能力。

数字金融能够缓解企业融资约束。(1)数字金融能够降低企业融资的风险溢价,缓解融资约束。信息是金融资源配置的基础,由于信息不对称,不完全竞争的金融市场会引发金融摩擦,造成资本配置扭曲,企业外部融资的可获得性受到限制。为了获得外部融资,企业只有支付更高的风险溢价,潜在提高了融资成本。数字金融能够运用大数据、云计算等数字技术降低融资企业贷前、贷中和贷后的信息不对称,进而降低融资的风险溢价。贷前,依托互联网平台沉淀的海量“软信息”,数字金融服务机构能够提高信息搜寻效率和降低搜寻成本,降低因高昂信息搜寻、处理成本而引致的风险溢价;贷中,借助于数字技术,数字金融服务机构能够精准分析客户行为特征,建立相对准确的信用风险评估模型,使得企业能够以相对公平的价格融得资金;贷后,数字金融服务机构能够借助数字技术对融资企业进行追踪和动态风险评估,降低因融资企业的道德风险和逆向选择风险而引致的风险溢价。(2)以银行业为主导的金融体系下,传统银行等金融机构获取资金的口径较小,受限于流动性约束,金融资源难以满足所有企业,导致金融资源的配置存在“属性”“领域”和“阶段”三类错配,进而导致企业陷入融资困境[3]。随着数字金融的发展,推动了银行业竞争程度的提升,为上述融资困境的解决提供了可能[22]。首先,金融机构能够借助人工智能、大数据技术和区块链等新型数字技术以较低的成本吸纳金融市场上大量“多、小、散”特征投资者的资金,并将该类金融资源转化为有效信贷资金,缓解企业的融资约束[3]。其次,数字金融蓬勃发展产生“鲇鱼效应”,倒逼传统金融机构进行数字化转型,也提升了银行竞争程度,各类银行积极创新金融服务和产品,建立更加智能化的金融设施和服务体系,优化贷款审批流程,提高金融服务效率[23]。此外,数字金融进一步压缩了银行传统利润空间,加速了利率市场化的进程,提升了金融资源的配置能力,缓解了企业融资约束。

企业融资约束的缓解,对金融投资行为的影响存在多重效应。根据资源配置理论,企业依据资产收益率对实体投资和金融资产投资进行组合配置[16]。如果外部经济环境较好,实体投资机会较多,企业融资约束的缓解会增加实业投资,弱化金融投资,进而提高主业业绩。但是,实体投资收益投资低迷,欠缺实体投资机会时,即便是高盈利企业也会增加对金融资产的投资比重[24]。自“次贷危机”之后,中国实体经济低迷,实体投资收益较低,但是虚拟经济逆周期增长,金融投资收益逆势增高,实体投资和金融投资的利润鸿沟不断加大,导致企业实业投资的内在激励下降,而金融投资的潜在动机加强。结合近年来中国的现实情境,由此可以推断,企业融资约束的纾解会加剧金融投资行为,提升金融化水平。由此,提出以下研究假设:

假设1:数字金融发展加剧了企业金融化。

假设2:数字金融缓解企业融资约束,助推了实体企业金融投资行为,进而提升金融化程度。

三、实证设计

(一)模型设定

1.基准模型

为了检验数字金融对实体企业金融化的影响,即研究假设1,构建如下基准回归模型:

findepit=β0+β1dfit+∑βjXit+∑year+∑ind+εit

(1)

其中,i和t分别为个体和时期,findep代表企业金融化,df为数字金融,X为控制变量集合,∑year和∑ind分别为时间和行业固定效应,εit为扰动项。

因变量:企业金融化(findep)。目前关于企业金融化的度量主要有两类方式。一类是采用金融资产占比衡量[1];另一类则是采用企业金融获利依赖程度进行衡量[16]。现有文献关于金融资产应该具体包含哪些会计科目存在较大争议。并且2018年中国上市公司的会计准则做了较大调整,在新规则下,“持有至到期投资”、“可供出售金融资产”等计算金融资产的科目被取消。同时考虑到金融资产投资的期限较短,交易较为频繁,金融资产占比的衡量方式难以有效度量企业的金融投资行为。基于此,本文与刘贯春等的做法一致,从企业金融获利依赖程度量化金融化,即金融化=((投资收益+公允价值变动损益+其他综合投资收益)-营业利润)/|营业利润|[16]。

自变量:数字金融(df)。和现有文献一致,采用北京大学数字金融研究中心与蚂蚁金服合作并利用蚂蚁金服数据编制的“数字普惠金融指数”(2)为了保证所有数值大小相对一致,对数字金融总指数和各子指数均除以100。来衡量数字金融[25]。

控制变量。参照Custódio和Metzger、杜勇等的做法,选择如下控制变量[18,26]。(1)资本密集度,使用总资产与营业收入的比值衡量;(2)企业成长,采用营业收入增长速度进行衡量;(3)资产负债率,采用总负债与总资产之比来表示;(4)企业盈利能力,使用ROA进行衡量;(5)产权性质,国有企业设定为1,其余企业设定为0;(6)股权集中度,采用第一大股东的持股比例进行刻画;(7)企业规模,采用经过以2000年为基期的CPI消胀处理的企业实际总资产的自然对数值进行刻画;(8)企业年龄,等于企业成立年限;(9)两职合一,若企业董事长和总经理为同一人则取1,否则为0。

2.中介效应检验模型

为了验证数字金融是否会通过缓解融资约束影响实体企业金融化,即检验研究假设2,借鉴Baron和Kenny的做法,构建B-K中介检验流程如下[27]:

fcit=β0+β1dfit+∑βjXit+∑year+∑ind+εit

(2)

findepit=α0+α1dfit+α2fcit+∑αjXit+∑year+∑ind+εit

(3)

其中,fcit为融资约束,式(2)检验数字金融对融资约束的影响,式(3)则是在式(1)的基础上加入融资约束,式(2)～(3)的控制变量同式(1)。式(1)中数字金融的估计系数显著是中介效应成立的前提,若β1和α2显著,且β1×α2与α1同号,则说明中介效应成立。

目前,融资约束的衡量方式主要包含现金流敏感系数、公司特征指标和相关指数三类。应用较多的主要有KZ指数、WW指数和SA指数等,虽然SA指数一定程度上避免了KZ和WW指数存在的内生性问题,但是数字金融发展与企业规模和年龄不存在直接关联,而且既有文献关于SA指数的计算不一致,SA指数适用性受限。数字金融改善了外源融资环境、各大平台成为外源融资的重要渠道。因此,采用阳佳余的做法,采用多指标法衡量企业的外源融资约束[28]。根据企业规模、有形资产净值率、清偿比率和流动性比率(3)企业规模采用实际总资产的对数值衡量;有形资产净值率为有形资产与总资产的比值;清偿比率为企业所有者权益占总负债比率;流动性比率为流动性资产与流动负债之比。的年度数值,将企业分为位于前20%、20%～40%、40%～60%、60%～80%和80%～100%共5档,每档分别赋予5、4、3、2、1分,最后按照年度加总得到企业的外源融资约束得分,得分越高表示所受到的外源融资约束越小。

表1 描述性统计

(二)样本选择和数据处理

以沪深A股2011—2019年上市实体企业作为研究样本。具体筛选和处理如下:(1)剔除ST和*ST企业;(2)剔除营业收入、资产收益率和资产负债率等财务数据异常或缺失的企业;(3)剔除西藏自治区(4)由于西藏自治区的价格指数缺失较为严重,故剔除该地区的企业样本。和样本期内上市不满三年的企业;(4)对企业层面的连续数据均进行双边1%缩尾处理。最后,将数字金融数据根据注册地匹配到各企业。数据来自CSMAR和CCER数据库,各变量的描述性统计见表1。

四、实证结果分析

(一)基准回归结果

表2报告了基准回归的结果,列(1)和(2)为控制个体固定效应的回归结果,列(3)和(4)则是加入控制行业—时间双固定的估计结果。无论是否将数字金融滞后一期,在时间—行业双固定的回归结果中,数字金融的系数均至少在10%的显著性水平下显著为正,表明数字金融对实体金融化存在显著的正向影响,强化了企业金融投资行为。根据列(3),数字金融每提升1个单位,实体企业的金融化程度会加剧8.9个单位,假设1得以验证。数字金融的发展通过改善企业的外部融资环境,纾解企业外源性融资约束,为企业配置金融资产提供了投资渠道和资金支持;而诸如大数据、智能投顾等技术的嵌入和数字保险业务的繁荣发展,提供了多样化、全方位的投资理财产品和服务,在供给端增加了企业配置金融资产的可能性;数字金融利用数字技术发挥其存量优化和资金放大器效应,提高企业融资效率、降低融资成本、纾解融资约束,由于实体行业和金融行业之间存在投资利润鸿沟,进一步加剧实体企业金融化。

控制变量的估计结果表明,较高的营业收入增速表明企业主营业务具有较好的前景,会增加主业投资,抑制金融投资,企业规模同样抑制了企业金融化。

表2 基准回归

(二)内生性处理和稳健性检验

1.内生性处理

为了解决本文潜在的内生性问题,本文采用工具变量的2SLS估计进行回归。在现有关于数字金融的相关研究中,主要采用的工具变量有互联网普及率、数字金融的滞后一期、各地到杭州的直线距离和“Bartik instrument”[29-31]。本文将依次使用Bartik instrument(IV1)和数字金融的滞后一期(IV2)作为工具变量,进行2SLS和IV-GMM估计,第一阶段的估计结果表明所选工具变量与数字金融均具有相关性(5)限于篇幅,第一阶段结果备索。。第二阶段估计结果如表3所示:无论采用Bartik instrument、数字金融的滞后一期作为工具变量,IV-2SLS和IV-GMM的估计结果均表明数字金融在1%的显著性水平上显著为正,即排除潜在的内生性问题后,数字金融依旧促进了实体企业金融化,研究假设1再次得到验证。

2.稳健性检验

(1)替换被解释变量。借鉴刘贯春等的做法,构建狭义金融渠道获利以度量企业金融化水平(findep1)[16]。此外,参照Demir做法,采用企业六类(6)具体包含交易性金融资产、衍生金融资产、发放贷款及垫款、可供出售金融资产、持有至到期投资和投资性房地产六项。金融资产与总资产的比重表征企业金融化程度(finratio)[13]。同时,采用金融资产的绝对规模(六类金融资产之和的自然对数值,lnfin)、是否进行金融投资的虚拟变量(fin_dum)作为因变量,对式(1)进行回归。回归结果如表4所示,无论是采用何种方式衡量实体企业的金融化程度,数字金融的估计系数都显著为正,说明数字金融的发展加剧了企业的金融投资行为倾向,数字金融发展程度越高,企业金融化程度越大。

(2)更换解释变量的匹配等级。根据企业注册地所在的省份进行匹配,采用省级层面的数字金融指数对式(1)进行估计。表5的列(6)报告了改时间段后的估计结果,在该样本期内数字金融都显著地提升了实体企业的金融化程度。

表3 工具变量估计结果

表4 替换被解释变量的估计结果

(3)更换时间段估计。由于业界普遍认为2013年是中国数字金融的元年,为了防止结构变化导致的估计结果不稳健,故将本文实证期改为2013—2019进行估计。时间段后的估计结果,在该样本期内数字金融都显著地提升了实体企业的金融化程度。

表5 替换样本匹配在的等级及更换时间段估计

(4)控制宏观经济变量。为了防止因未加入宏观变量引致遗漏变量产生的估计偏误,进一步在式(1)中加入传统金融发展水平(fin)、互联网普及率(inter)和实际人均GDP的对数(lnpgdp)。由于加入了宏观变量,进一步控制了城市固定效应,估计结果如表6所示。在控制了宏观经济变量和城市固定效应后,数字金融的系数依旧显著性为正,说明数字金融的确促进了企业金融投资行为。

综上,无论是基准回归、基于工具变量法估计,还是一系列的稳健性检验,均支持研究假设1,即数字金融显著强化了企业金融投资行为,即促进了企业金融化。需要说明的是,陈春华等研究发现数字金融发展抑制了企业金融化[32]。本文得出的结论与之相悖,究其原因可能在于衡量金融化的方法存在显著差异。前者基于金融资产占总资产的比值来衡量企业金融化,刻画的更多是预防性储蓄动机,本文则从金融渠道获利占比的角度量化企业金融化,着重考察了套利动机。

(三)机制检验:融资约束的中介效应

表2的估计结果表明数字金融显著地促进了实体企业金融化,中介效应模型检验的前提条件成立。表7报告了数字金融影响实体企业金融化的中介效应检验结果。由列(1)可知,数字金融虽然对融资约束的估计系数显著为正,但是由于融资约束为反向指标,即表明数字金融水平越高,企业所遭受的外源融资约束程度越低,数字金融缓解了企业融资约束。由列(2)和(3)可知,无论采用何种方式衡量金融化,数字金融的估计系数显著为正,融资约束的系数也显著为正,即数字金融通过缓解企业融资约束,进而提升金融化水平,研究假设2得到验证。

另外,从融资约束的传导路径可知,实体企业在缓解融资约束之后,并没有将资产投放至主业,反而是进一步加剧了对金融资产的配置。能够初步推测,在数字金融影响下,加剧了实体企业的套利投机动机,从而导致实体企业金融化,引致金融资源“脱实向虚”。

五、拓展性分析

(一)异质性分析

1.数字金融结构异质性

为了进一步明晰数字金融结构对实体企业金融化的影响是否存在异质性,将式(1)中的数字金融总指数替换为三个子指数进行估计。估计结果如表8所示,覆盖广度对实体企业金融化的影响不显著。可能的原因在于,覆盖广度的测度只是包含了支付宝账户的开户数量,虽然体现了数字金融服务的渗透力,但是与企业金融化行为并无实际的联系,因此对实体企业金融化的影响不显著。使用深度和数字化程度的估计系数均在1%的显著性水平上显著为正。使用深度主要从实际使用互联网金融服务的情况来衡量的,包含支付、货币基金、信贷、保险、投资和信用服务,数字保险为各类投资业务保驾护航、提高企业的投资金融资产的风险承受能力,信贷服务便利了企业债务融资,为企业进行金融投资提供了资金支持,而投资、基金等功能则是为企业提供了各类金融投资产品和渠道,进一步促进企业投资金融资产。数字化程度更多体现的是支付便利化和信贷利率的实惠化,能够提高企业金融投资的效率,促进实体企业投资金融资产。

2.企业特征异质性

“实体中介”理论认为,由于企业面临不同程度的融资歧视,面临较小融资歧视的企业会把融得的资金转贷给其他企业,导致企业内部资产金融化水平上升[33]。由于国有企业有政府背书,相较于非国有企业,面临较小的融资歧视,更易获得银行信贷;企业规模越大,抗风险能力越强,银行对其提供授信服务的意愿越强,其受到的融资约束相对较小。由于传统金融服务的“属性错配”,非国有企业和小规模企业受到较强的融资约束,更加依赖数字金融服务。

表6 控制宏观经济变量的稳健性检验

表7 中介效应的估计结果

表8 数字金融结构的异质性影响

根据企业产权性质,将样本划分为国有企业和非国有企业;根据企业资产规模的中位值将样本企业分别划分为大型企业和中小型企业。估计结果如表9所示,按照企业产权分组后,数字金融对于国有实体企业的金融化影响不显著,对于非国有实体企业的影响显著为正。按照企业规模分组的估计结果表明,数字金融对中小实体企业的金融化存在显著正向作用,对于大企业则不显著。可能的原因在于:一方面,数字金融的发展进一步弱化了国有企业、大规模企业的“为贷而借”行为,在需求端弱化了其成为影子银行活动资金借方的机会;另一方面,数字金融能够降低非国有企业、小规模企业的融资约束程度,为其金融投资行为提供了资金支持,助推了其金融化。

3.城市资源禀赋异质性

数字金融与传统金融之间的关系是“雪中送炭”还是“锦上添花”,目前尚存争议。但不可否认的是,数字金融的服务能力与地区传统金融发展之间存在关联。同时,数字金融依赖数字技术,其发展必定受限于地区信息技术水平的渗透。由此,使用城市传统金融发展水平和互联网普及率分别作为城市金融资源禀赋和信息技术禀赋的代理变量,研究城市要素禀赋差异下数字金融对实体企业金融化的异质性影响。具体而言,根据样本期内各城市金融发展水平和互联网普及率的中位值将样本分为金融发展发达和不发达地区、信息水平高和低地区,表10报告了不同城市资源禀赋下的分组回归结果。结果表明无论是按照传统金融发展水平分组、还是按照互联网普及率分组,数字金融对实体企业金融化的影响都存在显著差异。只有在传统金融发展水平较高的地区,数字金融对实体企业的影响才显著为正,从侧面说明数字金融与传统金融之间是“锦上添花”的关系。在互联网普及率较高的地区,数字金融显著促进实体企业配置金融资产,即数字金融的效用发挥会依赖数字基础设施水平。

表9 企业特征的异质性影响

表10 城市要素禀赋差异下数字金融的异质性影响

(二)动机识别

通过前文的分析,数字金融加深了实体企业的金融化程度。实体企业金融化的经济效应取决于其动机,所以有必要对其动机进行识别,以便明晰数字金融影响下,实体企业的金融化行为是否合理。在现有研究中,众多学者从融资约束视角切入分析实体企业金融化的动机,但是判断标准尚存争议。如,孟庆斌和侯粲然认为面对较高的融资约束,企业会减少金融资产投资,换取现金持有,表现为“预防储蓄”动机[34]。而戴泽伟等认为在融资约束较高时,企业势必会储备更多的金融资产投资以备不时之需,以此为依据检验企业金融化的预防性储蓄动机[35]。顾雷雷等则是认为,若企业缓解了融资约束之后,进一步加大对金融资产投资的力度,导致金融化程度加剧,则为套利动机[36]。而杜勇等则基于企业投资金融资产能否对冲短期业绩下滑风险这一逻辑链判断企业金融化的套利动机[7]。基于顾雷雷等的研究逻辑,本文可以初步得出结论:数字金融通过纾解融资约束进而加剧金融化程度,是出于套利动机[36]。为了使动机的识别更加严谨,本文借鉴杜勇等人的思路,试图从是否反哺主业出发,进一步识别实体企业金融化的动机[7]。其背后的经济逻辑是,无论是出于套利动机产生的“投资替代”效应,还是“预防性储蓄”动机下的“蓄水池”效应,最终结果都表现为实体企业通过配置金融资产是否促进(挤出)了实体投资,是否反哺主业业绩,即深层次的动机识别应该以数字金融是否反哺主业发展为判断标准。

本文在B-K三步走的框架下识别“数字金融—加剧金融化—抑制主业发展”。这一逻辑链条前提是数字金融对实体企业主业发展存在显著影响,前文已经识别了数字金融的金融化效应,即完成了链条“数字金融—加剧金融化”的研究,因此,构建如下模型以识别数字金融与主业发展的因果关系,并进一步将数字金融和金融化纳入同一模型研究二者对实体企业主业发展的共同影响,以验证金融化在其中是否扮演助推者的角色。其中,主业发展从实业投资和主业绩效两个维度衡量。

investit=β0+β1dfit+∑βjXit+∑year+∑ind+εit

(4)

investit=α0+α1dfit+α2finit+∑αjXit+∑year+∑ind+εit

(5)

coreperfit=β0+β1dfit+∑βjXit+∑year+∑ind+εit

(6)

coreperfit=α0+α1dfit+α2finit+∑αjXit+∑year+∑ind+εit

(7)

式(4)和(6)分别验证数字金融对于实体企业的实业投资、主业业绩的影响,其中,invest表示实业投资,coreper表示主业业绩。式(5)和(7)分别检验数字金融、金融化共同对企业实业投资、主业业绩的影响。由此,式(4)、(1)和(5)构成了中介效应模型,用于检验作用路径“数字金融—加剧金融化—抑制实业投资”是否成立,式(6)、(1)和(7)用于检验“数字金融—加剧金融化—抑制主业业绩”是否成立。其中,实业投资用实业投资率衡量,实业投资率=固定资产、无形资产和其他长期资产支付的现金值/总资产[10]。主业业绩=(营业利润-投资收益-公允价值变动损益+对联营企业和合营企业的投资收益)/总资产[1]。进一步考虑主业发展的可持续,将主业发展划分为当期和未来,即分为当期实业投资率、未来实业投资率,当期主业业绩和未来主业业绩。

式(4)和(5)的估计结果如表11所示。从实业投资的视角来看,数字金融发展挤出了当期和未来的实业投资,企业并没有因融资约束的纾解而增加实业投资,反而因大量配置金融资产而降低了当期及未来的实业投资率。纳入金融化变量后,数字金融对当期实业投资和未来实业投资都产生了抑制作用。即数字金融强化了金融投资行为,进而挤出了当期及未来的主业投资率。

表11 动机识别(实业投资率)

式(6)和(7)的估计结果如表12所示。从主业业绩的检验结果来看,无论是当期,还是未来,数字金融对企业主业业绩的影响均显著为负,同时金融化存在部分中介效应,即数字金融助推了实体企业金融化,侵蚀了主业业绩。综合来看,在数字金融的影响下,实体企业配置金融资产的目的倾向于套利,而非预防性储蓄。即数字金融强化企业金融投资行为,是出于套利动机。

表12 动机识别(主业业绩)

(三)数字金融、实体企业金融化与就业

目前,学界针对企业金融化经济后果的探讨主要集中在研发、企业创新、企业经营业务和全要素生产率等方面,缺乏对就业影响的关注[11,15,37]。“稳就业”对拉动消费市场增长具有不可忽视的作用,“双循环”新发展格局下,理应关注数字金融、企业金融投资行为对就业存在怎样的影响。一方面,融资约束会抑制企业的雇佣需求,而数字金融对创业具有空间溢出效应,有助于促进就业[38]。另一方面,由上文得出的结论可知,数字金融促进了实体企业金融化,抑制了实业投资和主业业绩。由此可以推断,企业金融化会抑制数字金融的就业提升效应。为了检验该理论机制是否成立,首先验证数字金融对就业的影响,然后构建调节效应模型检验金融化在“数字金融—就业”逻辑路径上是否发挥着调节作用。采用上市公司员工就业人数的对数值衡量企业就业,控制变量同式(1),结果如表13所示。由列(1)可知,1%显著水平下,数字金融显著提升了企业就业,与徐章星等得出的结论一致[39]。数字金融发展水平每提升1个百分点,就业规模将提升40.1%。

表13 数字金融、金融化与企业就业规模

由列(2)可知,将数字金融、金融化以及两者的交互项纳入同一个模型中,数字金融对就业的提升强度有所下降,系数为0.392;数字金融与金融化的交互项系数显著为负,企业金融化削弱了数字金融的就业提升效应,即企业金融化负向调节了数字金融对就业的正向作用。

六、结论与启示

近年来,中国经济呈现金融创新弯道超车和实体经济“脱实向虚”并行的轨迹特征,数字金融作为金融创新的典型代表,对企业投资行为产生重要的影响,已成为企业金融化的潜在诱因。本文从数字金融视角,在“数字金融—实体企业金融投资行为”全景式框架下深入研究其对实体企业金融化的影响、机制、动机及经济后果。得出以下结论:(1)数字金融发展显著促进了实体企业金融化,基于工具变量法处理潜在的内生性问题,并采用一系列稳健性检验后,这一结论依旧成立。其内在机制为,数字金融通过缓解融资约束,进而提升了企业金融化水平。(2)异质性研究的结果表明,数字金融覆盖广度对企业金融化的影响不显著,使用深度和数字化程度则显著提升了企业金融化水平。此外,一方面,数字金融的发展弱化了国有企业、大规模企业的“为贷而借”行为,也降低了非国有企业、小规模企业的融资约束程度。因此,数字金融的企业金融化效应仅存在于非国有企业、小规模企业。另一方面,只有在传统金融发展水平较高的地区,数字金融对实体企业的影响才显著为正,从侧面说明,数字金融与传统金融之间是“锦上添花”,数字金融的效用发挥依赖于数字基础设施建设水平。(3)以“数字金融—加剧金融化—抑制主业发展”的逻辑链条,识别数字金融发展引致的企业金融投资行为背后的动机,基于中介效应模型检验发现,数字金融发展加剧了企业金融投资行为,进而抑制了实业投资、侵蚀了主业业绩,即实体企业出于套利动机配置金融资产。进一步研究发现,企业金融投资行为削弱了数字金融的就业促进效应。

本文揭示了数字金融对微观企业和宏观经济潜在的负向经济效应,对企业管理者和政府管理部门全方面研判数字金融的经济后果和优化数字金融服务实体企业质效提供了有益参考。虽然数字金融一定程度上导致了企业“脱实向虚”,但不能就此否认数字金融的积极作用,政府应加强对数字金融的引导,提升数字金融服务实体企业的质效。(1)政府应优化实体企业发展环境,降低实体经济收益和虚拟经济收益之间的利润鸿沟,进而抑制企业因套利动机而引致的金融投资行为。通过减税降费、财政补贴、完善市场机制等措施优化营商环境,降低企业经营成本、提高实体投资回报率。(2)因企业内部特征和外部资源禀赋差异,数字金融对企业金融化的影响存在异质性。因此,应实施差异化的数字金融发展策略。对于传统金融不发达城市和信息技术水平较低城市的企业,应加快数字金融发展步伐,以缓解企业融资约束,同时引导实体企业专注于企业主业的长远发展。对企业自身而言,应提升企业内部治理水平,健全经理人激励机制和监督机制,抑制因管理层自利和短视而引致的金融投资行为。此外,应加强对企业金融投资的引导和监管。(3)加强金融监管以引导资金“脱虚向实”。加强银行信贷资金流向的监管,定制信贷资金用途,优化信贷结构,从资金供应端抑制企业金融化。加强对数字金融的监管,无论是何种形式的公司,只要做金融业务,都要纳入监管体系,防止企业通过数字金融平台募集资金进行金融投资活动。