金融科技对小微企业的信贷需求影响研究

摘 要：

小微企业的融资需求满足离不开商业银行的精准信贷支持，但是既有研究较少从金融科技视角关注两者的匹配情况。基于全国5个省份（自治区）508份银行样本和2148份小微企业样本数据，对银企信贷供求匹配度进行测量，并在此基础上构建了金融科技应用、创新水平、银企信用共识度、金融监管和银企信贷供求匹配度之间关系的理论模型。实证分析结果表明：金融科技应用正向影响银企信贷供求匹配度；创新水平和银企信用共识度在其中起部分中介作用；金融监管不仅负向调节金融科技应用与创新水平之间的关系，还负向调节金融科技应用对银企信贷供求匹配度的作用路径。研究结论丰富和拓展了银企信贷供求匹配度的测量及影响因素的相关研究，为促进金融科技缓解小微企业融资难提供了科学决策依据。

关键词：

金融科技应用；创新水平；金融监管；银企信贷供求匹配度；银企信用共识度

文章编号：2095-5960（2024）06-0048-09；中图分类号：F832.4

；文献标识码：A

一、引言

小微企业在促进经济增长、技术创新、解决就业等方面发挥了重要作用，但大多数小微企业存在融资难问题。从已有研究和实践角度来看，融资难主要原因在于银企信息不对称导致银行与小微企业信贷供求不匹配，使得小微企业的信贷需求得不到满足。这种困境若得不到及时破解，不利于小微企业的技术创新、产业升级，进而会阻碍小微企业的生存和发展。近年来，包含大数据、云计算、人工智能等在内的金融科技应用在小微企业信贷领域不断深入，为解决银企信贷供求错配提供了新途径。金融科技可以通过提高银行的信息获取能力，缓解银企间的信息不对称，从而破解企业信贷供给不足的问题。［1］但当前如何推动金融科技与小微企业信贷的深度融合，以及如何推动银行破解小微企业信贷供求错配困境还存在诸多制约因素。因此，金融科技对小微企业的信贷需求影响研究，需要结合供需双边的行为特点，以银行供给端为主，辅以企业需求端，对匹配度进行科学测量，探求金融科技在银企信贷领域中的作用机制，最终为提高银企信贷供求匹配度，提升小微企业信贷需求满足度提供指导。

与以往文献相比，本文可能的创新与贡献有三个方面。第一，将熵权法应用到小微企业融资研究。已有文献大多构建供给与需求的效率模型来测算信贷匹配度，本研究通过分析供求匹配的主要影响因素，确定具体指标和模型参数估计，构建银企信贷供求匹配模型，以此测算供求匹配度。第二，基于银企信贷供求匹配视角，探究金融科技在银企信贷供求匹配度的内在作用机制。现有文献较多关注金融科技在银行供给层面的信贷创新，本研究以信贷供给侧为重点，信贷需求侧作为辅助，将金融科技、信贷匹配度纳入多元回归模型。随后，构建实证模型以分析金融科技对银企信贷供求匹配度的影响路径。第三，本研究结合供需双边主体特征，构建五维度银企信贷供求匹配度评价模型，进行相应的指标体系创新。

二、文献综述

（一）关于银企信贷供求匹配问题的研究

近年来，小微企业融资环境得以改善，但融资难题尚未得到根本解决，原因主要是当前银行信贷供给与小微企业信贷需求不匹配，银行无法识别小微企业的有效信贷需求将导致供需错配。［2］此外，流程繁琐、条件严苛以及信用不足等也是小微企业信贷得不到满足的主要原因。从利率角度来看，提高利率可能增加银行贷款风险，信贷配给与信息不对称、信贷成本高等问题有明显关系。［3］从银企供需角度来看，学者们从产品供求数量和供求结构、银企信贷关系等方面验证了贷款市场上不同银行和企业之间的供需匹配。［4］国内外研究重心逐渐从数量层面的信贷配置差异向质量层面的结构性问题转变。

（二）关于银企信贷供求匹配影响因素的研究

目前，金融科技越来越多地被应用到商业银行，也让金融科技在贷款融资、支付结算等方面的作用更加重要，成为解决金融服务成本高、流程繁琐、信息不对称的重要手段。一方面，金融科技有助于降低商业银行的运营成本以及大银行和中小银行的信息不对称，缩小获取软信息的能力差距，提升商业风险防控水平和金融服务场景化的能力。［5］另一方面，金融科技应用可以降低软信息约束和环境不确定性对银行的影响，使银行做出更合理的信贷决策，显著提升银行的小微企业信贷供给。［6］此外，供给结构、供给成本、信用评价和担保体系都对银企信贷供求匹配有一定影响。目前商业银行对小微企业信贷供给存在针对性不强、信贷产品较为单一等能力问题，供给结构相对传统，导致了银行中小微企业信贷产品的供给结构跟不上社会发展的步伐。金融科技的应用可以有效控制供给成本，进而缓解传统信贷供给模式中存在的“低收益”约束。此外，担保体系的不健全会导致小微企业信贷产品在供求结构上高匹配，但是在数量上却存在着较大差距。担保机构可以有效减少信贷供给中的信息不对称，增强了银企信任从而有利于构建良好的银企合作关系。［7］

综上所述，国内外学者从不同角度、不同主体以及不同层面对银企信贷供求匹配、影响因素和金融科技的作用机制展开了研究，取得了卓有成效的研究成果，为本文奠定了良好的基础，但是关于银企信贷供求匹配的研究，还存在以下有待完善的地方：一是有关银企信贷供求匹配度测量的研究较少，二是鲜有基于供需双边特点探究银企信贷供求匹配长效机制的深入研究，三是关于金融科技与银企信贷供求匹配关系的研究有待深入，本文将针对以上问题进行研究。

三、理论分析与研究假设

金融科技的发展可有效缓解小微企业信贷约束，使银行在准确识别小微企业信贷需求的同时提高信贷供给的有效性。金融科技为银行小微企业信贷提供更加高效的金融服务和持续有效的金融创新，能够在信贷规模、供给结构和供给成本等方面提高银企信贷供求匹配度。［1，2］此外，信贷错配的背后是银企信息不对称问题，金融科技应用能够优化信用评估模型，提升整体评估结果的时效性和精准性，使得银行贷款和小微企业需求更加匹配。［8］要想从根本上提高银企信贷供求匹配度，解决小微企业信贷融资困境，不仅需要在供给侧增强银行有效供给能力，还需要在需求侧提高小微企业黏性和信用建设。金融科技可以帮助银行创新信贷产品，帮助企业创新升级。［1］本研究认为金融科技不仅在银行小微企业信贷供给中发挥着技术赋能作用，还能够促进小微企业的自身发展和信用建设，从而增强银行放贷信心，满足小微企业信贷需求。因此，本研究提出假设1：

假设1：金融科技应用能够提高银企信贷供求匹配度。

金融是创新环境的重要组成部分，对银行而言，金融产品的创新和服务升级，有利于降低银行与企业的信息不对称问题，提升了银行效率。银行可以更加精准有效地发放贷款，提升信贷供求匹配度。当前银行创新有助于银行抵御系统性风险，降低信贷风险。［2，3］银行创新水平的提升增强了银行的稳定性［9］，银行越稳定，外部风险越低，为小微企业提供多样化的产品和服务的意愿更高，小微企业从银行获得贷款的可能性也更高，需求更易得到满足。可见，创新水平对于提高银企信贷供求匹配度有着重要作用，因此，本研究提出假设2：

假设2：创新水平可以正向促进银企信贷供求匹配度。

由于银企间的信息不对称，银行无法准确评估企业信息的真实性，小微企业贷款的风险定价与评估情况会受到影响，容易导致信贷供求不匹配。银行所能获得的有关企业资产、资信等信息的质量高低和数量多少，直接影响银行融资决策和企业融资状况。［2，9］与银行关系更为紧密的企业所面临的融资约束更小。同时，商业银行对小微企业的信任，能够显著提高小微企业的信贷可得性。［10］综上，银企信用共识度有助于降低双方的信息不对称程度，提高银企信贷供求匹配度，因此，本研究提出假设3：

假设3：银企信用共识度可以正向促进银企信贷供求匹配度。

从银行角度来看，在创新活动过程中，金融科技能够运用大数据、云计算等手段，精准有效、实时追踪创新活动进度，在不断创新金融产品及丰富业务模式的同时，也改善了创新的信息环境。金融科技使得商业银行对金融服务模式进行深层次改革，结合技术创新改进既有金融产品和服务，增强客户互动。［11］对于小微企业而言，金融科技能够有效助力企业在创新活动中构建信用形象，为企业建立信用评分，提升银行放贷意愿。金融科技的发展在一定程度上弥补了传统金融模式发展的不充分、不成熟，通过实现银行与小微企业的合理匹配，帮助银行有效甄别出具有投资潜力的小微企业，并及时提供信贷。［8-10］因此，本研究提出假设4：

假设4：金融科技应用可以通过提高创新水平促进银企信贷供求匹配度。

传统的金融模式中，银行无法准确评估小微企业的财务情况和经营信息，对企业的真实信用情况也缺乏了解。通过大数据等相关技术的帮助，银行可以将已知的企业情况与外部平台数据相结合，通过多方验证来获得借款人真实资信情况，减少欺诈行为。［12］数字轨迹可以和征信机构的数据相匹配，银行同时使用两者信息可以做出更优的决策，减少违约率。［13］可见，金融科技有效缓解了银企间的信息不对称，增进了银行对小微企业的信任。金融科技通过加强资金供求双方的交流，降低信息不对称来缓解企业的融资约束，降低银行信贷风险。［2］一方面，由于金融科技，企业的信息业务呈现更加透明，贷款申请更容易通过；另一方面，银行利用金融科技对小微企业进行精准画像，提升信用评估结果的时效性和精准性，在准确识别小微企业信贷需求的同时提高信贷供给的有效性。基于以上理论依据，本研究提出假设5：

假设5：金融科技应用可以通过提高银企信用共识度促进银企信贷供求匹配度。

考虑到金融业态的发展通常与金融监管的内容和强度有关，金融科技的创新应用在为金融市场带来发展机遇的同时也因其技术特征带来了不可避免的风险。［14］过于严格的金融监管会降低信贷可用性，减少银行的贷款供给。［15］因此，当设定的监管强度目标过大时，也可能使得银行的金融创新产品从市场上彻底消失，小微企业可获得的银行产品减少，金融自由化政策对银行效率的影响取决于银行监管制度的采用和发展程度，所以需要制定合理有效的金融监管强度来发挥金融科技的作用。［1］因此，本研究提出假设6：

假设6：金融监管在金融科技应用、创新水平与银企信贷供求匹配度之间起负向调节作用。

四、研究设计

（一）变量测量工具

为保证信度和效度，本研究的变量量表均以国内外成熟量表为参考。在进行正式调查之前，发放了100份银行问卷和400份企业问卷进行小规模预调研，在此基础上对问卷中表达不清晰、表述有遗漏的内容进行了修改和完善。本文的量表为Likert五标度量表，1代表“非常不同意”，5代表“完全同意”。由于企业问卷测量变量为市场定位、需求识别与评价、授信与定价、风控与关系管理以及产品及流程设计，与银行问卷的部分变量一致，测量题项相同，故企业问卷不再陈述。具体而言，银行问卷各个变量的含义测量如下：

1.解释变量

金融科技应用。参考房颖对于金融科技的研究［6］，从服务拓展能力、客户分析能力、技术运用能力、信息获取能力和多方协作能力这5个方面进行测量，设计了5个题项。

2.被解释变量

（1）银企信贷供求匹配度。结合专家意见，根据市场定位、需求识别与评价、授信与定价、风控与关系管理、产品及流程设计构建评价指标体系，利用问卷数据，基于熵权法对原始的权重系数进行修正，得到各区县的综合得分。具体来说，银行方面计算各区县值，企业方面计算各区县的均值，匹配度由银行区县综合得分/相对应的企业区县综合得分均值计算得出。

（2）被解释变量的衡量维度

①市场定位。参考宋博等对银行市场定位的研究［16］，从信贷关注程度、政策贯彻程度、银行产品差异性、银行营销能力这4个方面进行测量，设计了4个题项。

②需求识别与评价。参考Taylor et al的研究［17］，从银行信息收集完善程度、潜在客户挖掘和识别能力、贷款需求感知和识别能力、优质小微企业筛选能力、信息分析能力、信息互通程度这6个方面进行测量，设计了6个题项。

③授信与定价。参考Jin et al的研究［18］，从信用评价能力、非贷款业务关注程度、信用测评客观程度、贷款利率上浮程度、产品定价这5个方面进行测量，设计了5个题项。

④风控与关系管理。参考Berg et al的研究［13］，从贷前调查、贷款审查、贷后检查、贷款跟踪、贷款额度控制、客户关系维护以及客户反馈机制这7个方面进行测量，设计了7个题项

⑤产品及流程设计。参考付轼辉等的研究［19］，从宣传开展频率、产品种类齐全度、个性化需求满足程度、产品和服务时效性、产品推送速度以及信贷流程这6个方面进行测量，设计了6个题项。

3.中介变量

（1）创新水平。参考Zhao and Yi的研究［20］，从产品创新性、创新文化建设、智能互动体系建设、创新制度建设这4个方面进行测量，设计了4个题项。

（2）银企信用共识度。参考唐莹和邓超的研究［10］，从小微企业信用水平、还款意愿、还款能力以及联系主动性这4个方面进行测量，设计了4个题项。

4.调节变量

主管部门对银行的金融监管。参考赵峰等的研究［21］，从主管部门监管手段和力度效果、监管独立性、监管责任性、监管透明度、监管软实力以及监管作用这6个方面进行测量，设计了6个题项。

（二）问卷设计

本研究的银行调查问卷由两部分组成：第一部分是基础问卷，包括银行性质、工作岗位和所在地市以及区县；第二部分为金融科技应用、市场定位、需求识别与评价、授信与定价、风控与关系管理、产品及流程设计、创新水平、银企信用共识度和主管部门对银行的金融监管9个核心变量的量表。企业问卷第一部分包括企业性质、所在行业、所在地市以及区县；第二部分为市场定位、需求识别与评价、授信与定价、风控与关系管理、产品及流程设计5个核心变量的量表。预调研阶段，本研究分别回收了100份和400份有效问卷进行信效度检查，其中银行问卷9个量表的KMO值均在0.7以上；Cronbach’s alpha系数均在0.8以上。企业问卷5个量表的KMO值和Cronbach’s alpha系数均在0.8以上。结果表明，各量表的信效度较好，能够进行下一步正式的调研。

（三）数据来源与样本选取

进行预调研时，课题组对中国工商银行、中国农业银行等商业银行的信贷工作人员和同地区的小微企业工作人员进行了访谈，随后开展了正式调查。调查地区选取上，根据国家统计局①【 "①国家统计局2022年2月21日发布的《统计制度及分类标准（17）》】的区域划分标准，将所涉及的地区分别归集到东、中、西、东北部。同时，根据国内生产总值、数字普惠金融指数、金融发展指数等指标对问卷发放省份和城市进行筛选，最终确定调查地区为江苏省无锡市和盐城市，湖北省武汉市和孝感市，贵州省贵阳市和遵义市，广西壮族自治区南宁市和桂林市，黑龙江省哈尔滨市和齐齐哈尔市。正式调研共收到银行问卷616份，有效问卷508份，有效率为82.47%。样本银行包含国有大型银行、其他股份制商业银行、城市商业银行、农村商业银行、信用社。回收小微企业问卷2235份，有效问卷2148份，有效率为96.11%。

五、实证结果分析

（一）问卷信效度检验

首先，计算各量表的Cronbach’s alpha系数。银行问卷中九个量表的Cronbach’s alpha系数均在0.7以上，说明各量表均有较好的信度。其次，进行探索性因子分析。各量表的KMO值均在0.7以上，因子载荷均在0.5以上，说明变量之间相关性较好。最后，利用验证性因子分析检验量表的收敛效度。各量表组合信度CR均在判定标准0.7以上，表明量表组合信度处于理想范围内；平均萃取方差AVE均在判定标准0.5以上，表明各量表有良好的收敛效度。企业问卷各量表Cronbach’s alpha系数、KMO值、因子载荷、CR和AVE均通过检验。

（二）共同方法偏差检验

本文对共同方法偏差问题的检验过程如下：所有参与假设检验的量表题目一起做单因子验证性因子分析，模型的拟合结果（χ2/df=25.858；CFI=0.730；TLI=0.681；RMSEA=0.221；SRMR=0.067）未达到拟合良好标准，且拟合程度远不及四因子模型（χ2/df=2.979；CFI=0.980；TLI=0.975；RMSEA=0.062；SRMR=0.055），说明本研究不存在严重的共同方法偏差。

（三）银企信贷供求匹配度测量及分析

1.关于匹配度测量原理及指标权重

为避免主观判断的偏差，本文采用客观赋权法的熵权法确定评价指标的权重。具体计算步骤如下：

第一步：无量纲化处理。

Xij=xij-minxj/maxxj-minxj "（1）

其中maxxj、minxj分别为Xij的最大值和最小值，为避免零和负值，为处理后的数据进行了平移，即Xij=Xij+σ，为保留原始的数据规律，故取σ=0.0001。

第二步：同度量化处理。

Pij=x′ij/∑mi=1xij，0≤Pij≤1 "（2）

第三步：熵值计算。

ej=-k∑mi=1pijlnpij，k＞0，0≤ej≤1 "（3）

第四步：计算差异系数。

gj=1-ej "（4）

第五步：确定权重。熵权法得到的指标系数越大，则权重越高，对结果贡献越大。

Wj=gj/∑ni=1gj，j=1，2，3，...，n "（5）

最终得到5个省份（自治州）、10个城市的银企信贷供求匹配评价指标权重，如表1所示。然后根据熵权法测算出的权重，计算各区县的综合得分。具体来说，银行方面计算各区县值，企业方面计算各区县的均值，匹配度由银行区县综合得分/相对应地区的企业区县综合得分均值计算得出。

2.匹配度测量结果及分析

本研究测算区县级银企信贷供求匹配度，总计得到508个测算值，如表2所示。基于匹配度测量结果分布和匹配度评价标准［22］，将匹配度分为≤0.70，0.71—0.90，0.91—1.10，1.11—1.30以及≥1.31五个层次。按照地区划分来看，东部表现较好，匹配度较差的区县占比相对较少；西部虽然在匹配度0.91—1.10层次的区县数较多，但是在其他层次的区县数目，即匹配度较差的区县占比显著高于其他地区；中部和东北部较为接近，但是东北地区0.91—1.10的区县相对更多。从极端值来看，银企信贷供求匹配值最低的在齐齐哈尔市甘南县，仅0.47，说明银行有效供给不足，远远不能满足企业的需求；匹配值最高的在贵阳市修文县和盐城市东台市，都为1.40，表明银行供给远大于企业实际需求，存在信贷资源浪费。

综上，可以发现，当前银企信贷供求匹配程度较低。一方面小微企业需求得不到满足，另一方面银行对企业信贷需求的识别能力较差，无法准确提供贷款，信贷资源分配不均衡。

（四）变量描述性统计分析

如表3所示，信贷供求匹配度与金融科技应用、创新水平和银企信用共识度均显著相关；金融科技应用与创新水平、银企信用共识度均显著正相关；主管部门对银行的金融监管与创新水平、银企信用共识度以及信贷供求匹配度均显著相关。各变量之间的相关关系初步验证了本文的研究假设。

（五）假设检验

应用AMOS24.0软件构建结构方程模型，检验金融科技应用影响信贷供求匹配度的作用路径，并采用Bootstrap方法对中介效应进行检验，以验证研究假设1—5。最后，使用Hayes编制的process模型7对主管部门对银行的金融监管调节效应的显著性进行检验，验证假设6。

1.主效应检验和中介模型检验

主效应检验、中介效应检验结果及效应量如表4和表5所示。

由表4和表5可知：

（1）金融科技应用与银企信贷供求匹配度的路径系数为0.111（p＜0.001），假设1得证，表明商业银行加强金融科技应用可以提高银企信贷供求匹配度，多样化的应用技术和方法更有利于匹配度的提升。

（2）金融科技应用与创新水平的路径系数为0.756（p＜0.001），表明金融科技应用对创新水平具有显著的正向影响；创新水平与银企信贷供求匹配度的路径系数为0.089（p＜0.001），说明创新水平显著正向影响银企信贷供求匹配度，假设2得证。以创新水平为中介变量时，间接效应显著为正，系数为0.067；总效应同样显著，系数为0.179。至此，创新水平的中介效应得以验证，假设4获得支持。综上可见，银行对产品、文化或者制度等的创新有利于银企信贷供求匹配度的提高。

（3）金融科技应用与银企信用共识度的路径系数为0.867（p＜0.001），表明金融科技应用对银企信用共识度具有显著的正向影响；银企信用共识度与银企信贷供求匹配度的路径系数为0.059（p＜0.001），说明银企信用共识度显著正向影响银企信贷供求匹配度，假设3得证。以银企信用共识度为中介变量时，间接效应显著为正，系数为0.051；总效应同样显著，系数为0.162。至此，银企信用共识度的中介效应也得以验证，假设5获得支持。综上可见，银企信用共识度越高，即银行与企业的信任程度越高，银企信贷供求匹配度就越高。

在此基础上，本研究还补充计算了中介效应的效应量，以创新水平和银企信用共识度为中介变量时，中介效应占总效应的比例分别为37.4%和31.5%，说明中介效应对总效应的解释百分比为37.4%和31.5%，该效应量说明中介效应存在统计和实际意义。

2.调节模型检验

本研究检验了主管部门对银行的金融监管的调节作用，即被调节的中介效应。检验采用95%的置信区间，设置随机抽取样本5000次，各模型的回归结果与被调节的中介效应模型的检验结果分别如表6和表7所示。

表6显示，金融科技应用×金融监管（交互项）对创新水平的回归系数为-0.184（plt;0.05），说明金融监管负向调节金融科技应用与创新水平之间的关系。表7显示，当金融监管强度较低时，创新水平的中介效应为0.0605；当金融监管强度中等时，中介效应为0.0438；在金融监管强度较高时，中介效应为0.0272（95%置信区间始终不包括0）。这说明创新水平的中介效应在三种不同金融监管强度条件下（低、中、高），始终保持负向显著，并且随着金融监管强度的增加而削弱。有调节的中介效应为-0.0213，95%置信区间（0.0141，0.0409）不包括0，从而支持了假设6中金融监管对创新水平的中介效应的负向调节作用。至此，本研究所提出的6个假设全部通过了实证检验。

六、结论与启示

本研究围绕银行信贷供给与小微企业信贷需求这一问题，测算了银企信贷供求匹配度，探讨了金融科技与银企信贷供求匹配度之间的效能影响机制，考察了创新水平和银企信用共识度的中介作用，以及主管部门对银行金融监管的调节作用。实证结果表明：（1）东部银企信贷供求匹配情况较好，中部和东北地区情况较为接近，但是东北地区匹配度高的区县相对更多，西部匹配情况较差。（2）金融科技应用对银企信贷供求匹配度具有正向影响。（3）创新水平和银企信用共识度能够提高银企信贷供求匹配度。（4）金融科技应用通过创新水平和银企信用共识度正向影响银企信贷供求匹配度。（5）主管部门对银行的金融监管对金融科技与创新水平的关系起调节作用，即存在被调节的中介效应。当金融监管强度较高时，金融科技通过创新水平正向影响银企信贷供求匹配度的作用会被削弱。

根据文章结论，提出以下几点政策建议：

第一，制定差异化金融政策，实现地区信贷均衡发展。首先，对于东部发达地区，银行需要提供更多量身定制的产品，满足企业多样化需求；其次，对于中部和东北地区，银行应当在现有基础上调整信贷供给结构，给予小微企业更多关注；最后，对于西部欠发达地区，政府需要做好地区信贷平衡工作，对现有信贷资源合理调配，增强银企双方的沟通，增加有效信贷供给的同时提高小微企业的有效信贷需求，避免资源浪费。

第二，加强金融科技应用水平，采取多样化应用方式。首先，银行需要探索大数据、人工智能等金融科技相关技术，加强与金融科技公司的合作，促进信贷等业务发展。其次，构建不同的金融科技服务场景，如推出技术型金融场景、数字生活场景等，提升客户服务体验。最后，加强人才引进和人才培养，与当地高校、科研机构合作，开展数字金融科技相关课程建设，提升银行信贷从业人员等相关人员的专业能力。

第三，加深银企关系，提高小微企业信用水平。首先，银行提高与小微企业建立密切联系的主动性，积极、深入地了解客户群体。同时，完善小微企业的信用评估流程，保证银企信用共识的长期健康发展。其次，小微企业需要注重自身的信用水平，建立和维护好企业声誉，在与银行的互动过程中，表达出良好的还款意愿，使得成功获取银行信贷的可能性更大。［23］

第四，提高银行创新水平，提升银企信贷供求匹配度。首先，借助数字技术完善金融服务设施，推进创新制度建设和文化建设，打造创新型氛围，持续优化创新环境。其次，提升小微企业信贷产品创新性，推出更合适、门槛更低的产品，让金融服务更加便捷，增强对小微企业信贷的匹配度。

第五，遵循适度监管原则，建立合理的监管框架。首先，应用金融科技的同时，需要配合金融监管，有助于金融科技应用的合规化与合理化。其次，实施差异化监管，对大型银行和中小型金融机构的监管应分别侧重于缓解小微企业融资贵和融资难问题，以此创造一个良好的金融市场环境。最后，监管部门应当协调好金融科技发展与商业银行经营之间的关系，确保金融体系健康发展。

参考文献：

［1］盛天翔，范从来. 金融科技、最优银行业市场结构与小微企业信贷供给［J］. 金融研究，2020（6）：114～132.

［2］方昕，张柏杨.小微企业正规融资效果研究——基于匹配模型的估计［J］. 金融研究，2020（9）：97～116.

［3］Stiglitz J E，Weiss A. Credit Rationing in Markets with Imperfect Information［J］. American Economic Review. 1981，71（3）：393～410．

［4］林乐芬，李永鑫.商业银行中小微企业信贷产品供求匹配问题研究［J］. 南京大学学报（哲学·人文科学·社会科学）， 2016， 53（6）：39～48；155.

［5］张德茂，蒋亮.金融科技在传统商业银行转型中的赋能作用与路径［J］. 西南金融，2018（11）：13～19.

［6］房颖.金融科技赋能究竟如何影响银行小微企业信贷——基于调研数据的实证检验［J］.金融监管研究，2021（7）：69～85.

［7］文学舟.面向小微企业的信用担保机构制度约束及破解策略研究［M］. 吉林大学出版社，2020.

［8］Berg T，Fuster A，Puri M. FinTech Lending［J］. Annual Review of Financial Economics， 2022 （14）： 187～207.

［9］宋科，李振，赵琼薇. 区域创新、制度环境与银行稳定［J］. 金融评论，2018，10（5）：46～69;124.

［10］唐莹，邓超. 银行信任视角下我国小微企业的信贷约束研究——基于问卷调查的实证分析［J］. 经济理论与经济管理，2018（12）：47～56.

［11］谢治春，赵兴庐，刘媛. 金融科技发展与商业银行的数字化战略转型［J］. 中国软科学，2018（8）：184～192.

［12］Ahn K.J.，Cho J.S. Major Concerns of Fintech （Financial Technology） Services in the Korean Market［J］. Journal of Business and Retail Management Research，2019（1）：123～133.

［13］Berg T，Burg V，Gombovi A.，Puri M. On the Rise of Fintechs - Credit Scoring Using Digital Footprints［J］. The Review of Financial Studies，2020（7）：2845～2897.

［14］冯素玲，张榕，许德慧. 监管促进了金融科技的普惠效应吗？［J］. 济南大学学报（社会科学版），2021，31（6）：85～98；175.

［15］Riccetti L，Russo A，Gallegati M．Financial Regulation and Endogenous Macroeconomic Crises［J］. Macro Economic Dynamics，2018（4）：896－930.

［16］宋博，董静，王宁. 新时代中国城市商业银行改革与转型研究［J］. 经济体制改革，2020（3）：123～129.

［17］Taylor-West P，Saker J，Champion D. Market Segmentation Strategies for Complex Auto Motive Products［J］. Journal of Strategic Marketing，2020（3）：266～283.

［18］Jin X， Ke Y， Chen X. Credit Pricing for Financing of Small and Micro Enterprises Under Government Credit Enhancement： Leverage Effect or Credit Constraint Effect［J］. Journal of Business Research，2022（1）：138.

［19］付轼辉，焦媛媛，鲁云鹏. 产品创新设计思维：结构维度、量表开发与检验［J］. 南开管理评论，2023（4）：1～23.

［20］Zhao W，Yi L. Product Innovation Logic under the Open Innovation Ecosystem： A Case Study of Xiaomi （China）［J］. Technology Analysis amp; Strategic Management.2021（5）：659～676.

［21］赵峰，付韶军，杜雯翠. 中国的金融监管治理有效吗——基于中国银行业的问卷调查［J］. 财贸经济，2014（8）：49～61.

［22］廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例［J］. 热带地理，1999（2）：76～82.

［23］方芳，李强. 商业银行数字化转型如何影响风险承担——基于负债成本与信贷选择机制的分析 ［J］. 贵州财经大学学报， 2024（3）： 31～39.

Research on the Impact of Financial Technology on the Credit Demand of Small and Micro Enterprises

WEN Xuezhou1，SUN Hao1，YUAN Shichen2

（1.School of Business， Jiangnan University， Wuxi， Jiangsu 214122， China; 2.School of Finance and Economics， Jiangsu University， Zhenjiang， Jiangsu 212013， China）

Abstract：

The credit needs of small and micro enterprises（SMEs）cannot be met without the precise support of commercial banks， but existing research has paid less attention to the matching situation between banks and SMEs from the perspective of financial technology （Fintech）. Based on 508 bank samples and 2148 SMEs sample data from 5 provinces （autonomous regions） across the country， this paper measured matching degree of credit supply and demand between banks and SMEs. Based on this， this paper constructed a theoretical model of the relationship between Fintech application， innovation level， bank enterprise credit consensus， financial regulation， and matching degree of credit supply and demand between banks and SMEs and provided an empirical analysis and test. The results indicate that the application of Fintech has a positive impact on the matching degree of credit supply and demand between banks and SMEs; innovation level and credit consensus between banks and enterprises play a partial mediating role in it; financial regulation not only negatively regulates the relationship between the application of Fintech and innovation level; but also negatively regulates the role path of Fintech application in matching degree of credit supply and demand between banks and SMEs. The research conclusion enriches and expands the measurement of the matching degree of credit supply and demand between banks and enterprises and the related research on influencing factors， and provides a scientific decision-making basis for promoting Fintech to alleviate the financing difficulties of SMEs.

Key words：

financial technology applications; innovation level; financial regulation; matching degree of credit supply and demand between banks and SMEs; degree of credit consensus between banks and SMEs

责任编辑：吴锦丹

收稿日期：2023-08-29

基金项目：国家社会科学基金一般项目“金融科技破解小微企业信贷供求错配困境的作用机制及实现路径研究”（22BGL065）。

作者简介：文学舟（1973—），男，湖北孝感人，江南大学商学院教授，博士生导师，研究方向为中小企业融资、金融科技与数字普惠金融；孙 浩（1998—），男，江苏苏州人，江南大学商学院硕士研究生，研究方向为金融科技与数字普惠金融；袁仕陈（1971—），男，湖南绥宁人，江苏大学财经学院副教授，研究方向为企业融资、货币理论与实践。