数字金融如何影响不同模式融资成本

摘 要：数字金融对于纾解企业融资困境、降低融资成本具有重要意义，但在不同融资模式下数字金融影响效应及作用机制的差异性研究还相对缺乏。本文以2011—2020年沪深两市企业为样本，探讨数字金融对债务与股权模式融资成本的异质影响，并从内部盈余管理、外部信息披露的信息不对称视角探究其作用机制。研究发现，数字金融的资源和治理效应能够显著降低企业融资成本，但相对股权，债务融资模式降成本效果更优；盈余管理和信息披露质量在债务融资中均起中介作用，而股权融资中仅信息披露有效。进一步分析显示，低管理层持股、大型及高新企业更受益于数字金融降低股权成本；高金融市场化地区及中小企业则更显著受益于债务成本降低。本研究有助于金融机构提供精准服务、企业优化融资策略与信息管理，推进我国数字金融发展。

关键词：数字金融；融资成本；融资模式；信息不对称；盈余管理；信息披露

文章编号：2095-5960（2024）05-0038-10；中图分类号：F832；文献标识码：A

收稿日期：2024-02-10

基金项目：河北省教育厅人文社科研究重大课题攻关项目“金融科技‘负责任创新’及其监管体系研究”（ZD202019）。

作者简介：郭 净（1978—），女，河北保定人，河北金融学院金融与投资学院教授，研究方向为金融创新、金融风险管理；霍家旭（1996—），女，河北保定人，中国社会科学院大学应用经济学院博士研究生，研究方向为数字金融、宏观金融；张居营（1982—），男，山东济宁人，博士，河北金融学院讲师，研究方向为企业融资、金融风险。

一、引言

党的十九大以来，我国经济已由高速增长阶段转向高质量发展阶段，推动高质量发展的内在要求是着力发展实体经济，遏制经济脱实向虚，而其关键在于降低实体经济的融资成本。2023年前11个月，我国企业贷款利率为3.89%，继续保持在有统计以来的历史低位。^①【①社会综合融资成本稳中有降-新华网（news.cn）http：//www.news.cn/fortune/20231225/1df6bf28f8a241f8b6dc2b904c80b4b2/c.html】从提升金融资源配置效率来看，在政策和科技加持之下融资成本还有进一步下行空间；从金融资源配置结构来看，金融机构还有待进一步做好科技金融、数字金融等大文章，以创新手段优化对企业的结构性供给。2023年中央经济工作会议明确指出“引导金融机构加大对科技创新、普惠小微、数字经济等方面的支持力度”“促进社会综合融资成本稳中有降”。在此背景下，数字金融在数字技术和产业化转型的推动下面临新的发展机遇。其“数字”+“包容性”的双重属性，具有传统金融服务无法比拟的优势，有助于解决资金错配、信贷歧视和金融抑制等问题^［1］，是我国金融改革和产业升级的国家战略^［2］。其“数字”属性的优势在于：一是使用大数据、区块链、云计算等前沿技术突破时空限制，降低搜寻成本，提高资金融通效率；二是在信息挖掘和风险管理上具有优势，减少市场信息不对称，降低融资风险溢价。^［3，4］其“包容性”属性的优势在于：一是服务覆盖面广，客户可通过多种设备获取金融产品；二是创新使客户门槛降低，扩大金融服务范围，助力企业融资和共同富裕。^［5-7］

作为新兴金融模式，数字金融能否显著降低企业各种融资模式的成本？如果可以，其多重属性与优势通过何种机制影响微观企业？数字金融作为新兴金融模式，旨在缓解企业融资难题。学界普遍认同数字金融能降低企业融资成本、缓解融资难困境。现有研究多聚焦于债务成本，如肖忠意等发现数字金融可提升银行业多样性、减少投融资错配，进而降低债务成本；^［8］陈旭和赵全厚则基于大数据指出，数字金融发展提升短期银行贷款规模并降低其成本。^［9］此外，数字金融也通过改善企业内部控制、降低杠杆率等途径间接影响债务成本。^{［10，11］}相比之下，对股权成本的探讨尚显不足。余珍和周磊发现数字金融通过提高股票流动性和降低监督成本来降低股权融资成本。^［4］ 此外，对多元化融资模式下的异质性影响研究较少。理论层面，数字金融的“数字”属性能减少信息不对称，但此视角下的机制研究尚不深入。因此，探讨数字金融如何在债务和股权融资中缓解信息不对称，对提高金融资源配置效率和刺激实体经济具有重要意义。

本文通过理论分析和实证检验，探讨了数字金融对企业债务和股权融资成本的直接影响机制，以及信息不对称的间接影响和异质性因素。其边际贡献在于：1.扩展了企业融资成本影响因素研究的维度与范畴。聚焦不同特征的债务和股权融资，分析了信息优势、依赖和风险防范能力的差异，并从信息不对称角度研究了其对融资成本的影响。2.深化了数字金融影响微观企业融资的理论机理。指出其在资源效应和治理效应上的优势，并提供实证支持，证明数字金融能有效降低企业融资成本和优化资本结构。3.拓展了数字金融降低企业融资成本的影响机制研究。从信息不对称角度出发，通过内部干预和外部监督两个维度，创新性地使用企业盈余管理和信息披露质量作为中介效应的检验，厘清了不同融资模式下的影响机制。此外，还探讨了管理层持股、企业规模、制度环境等因素对数字金融影响企业融资成本的异质性。这些研究有助于支持我国数字金融发展和优化金融服务实体经济的决策。

二、理论分析与研究假说

（一）数字金融与融资成本

理想状态下，资本自由流动助力企业按需获取足量外部资金。然而，市场的复杂性与交易过程的信息不对称提升了融资难度与成本，增加了企业额外融资成本负担。具体体现在（见图1中④部分）：1.资金供需匹配的成本：包括企业或资金供给方在市场上搜寻信息、信用评估调查、供需双方议价交易等成本，在传统金融业态下，融资方式单一、渠道狭窄、资金配置低效与中小企业的金融抑制等，都直接或间接地加重融资成本负担。^［11］2.投资者或债权人的风险溢价：由于融资企业更了解自身状况，具有一定信息优势，从而可能通过发布利好或不完全信息误导投资者或债权人，引发逆向选择和道德风险。为规避风险，投资者或债权人会借助价格保护机制将风险转嫁到融资成本，产生风险溢价。^［12］

基于互联网、大数据、云计算等技术，数字金融与传统金融深度融合创新，形成充裕的信息流以改善资金配置中的信息不透明、不对称与低效率，进而降低企业融资成本。^{［13，14］}具体而言，数字金融具有资源效应和治理效应（见图1中①部分）。1.资源效应：数字金融在多种技术模式支持下，通过多渠道、低成本抓取处理海量数据，直接降低了资金匹配的信息搜寻、信息交互成本，拓展金融服务的范围与触达能力，简化中间流程，提高配置效率，从而降低融资成本。^［4，15］2.治理效应：数字金融通过新技术挖掘和分析企业数据，识别非正常运营情况风险，降低投资者和债权人融资前后的风险预期和监督成本，缓解融资双方的代理冲突，规避道德风险，以间接治理方式降低融资成本。^［16］基于上述分析，本文提出如下假设。

H1：数字金融能够降低企业的融资成本。

（二）融资模式与信息不对称

债务和股权融资是企业主要的融资方式，存在融资前匹配、融资后监管的差异。债务融资是企业向银行借贷，银行评估后放款，不干预经营，企业按期还款。股权融资是企业与投资者的合作，基于信息搜索匹配，投资者根据企业情况决定投资，作为股东参与决策和监督，企业只需分红，无须还本付息。不同的融资模式成本不同，从信息不对称的角度，其成本差异来自于债权人或投资者获取信息的手段、防范信息风险的能力、对企业信息披露的依赖程度和关注程度等。债务融资中，银行作为长期提供服务的金融中介，拥有更广泛的渠道、更专业的技术来获取、分析、评估企业信息^［17］，再Kh27xBkdWDlwWl/0YIssmQ==结合到期日、抵押品、利息成本和再签约条款等手段来防范企业的违约风险，筛选出优质企业；股权融资中，投资者参与企业的经营投资决策，在缓解与企业管理层的代理问题、规避逆向选择与道德风险上具有更多信息优势^［18］。传统的“优序融资理论”认为债务融资的信息成本较股权融资低，同时外部融资成本远远高于内源融资，因而融资顺序按照成本高低应表现为“先内后外，先债后股”。然而，这一结论在实证中并未完全验证，特别是我国甚至会出现“先外后内，先股后债”的特征，其原因可能在于我国股市的高市盈率、选择性乃至虚假信息披露、债券市场发展不完善、债务融资中的政府干预与歧视等。^［19-22］

因此，不同融资模式下债权人与投资者的信息优势、信息依赖、风险防范能力不同，信息不对称对其融资的影响程度也有所不同，从而影响其融资成本的大小（见图1中③④部分），融资成本差异又会进一步影响融资顺序。那么，数字金融的资源效应、治理效应在缓解不同融资模式下的信息不对称问题、降低融资成本中发挥的作用也不同。债务融资层面，数字化工具降低了金融服务的门槛，促进了传统民间借贷与银行的竞争，改善了传统金融体系的信贷歧视问题^{［23，24］}，股权融资层面改善企业信息披露质量、提升公司治理与市场流动性^［25］，这种影响甚至可能改变我国企业的融资偏好。已有研究证实数字金融通过降低融资成本和减少短贷长投行为使中小企业倾向通过债务调整资本结构。^［26］

基于上述分析，本文提出如下假设。

H1a：数字金融对降低企业债务、股权融资成本的影响效果不同。

（三）盈余管理与信息披露质量的中介效应

融资过程中的信息不对称主要源于：一是企业内部的信息不透明，二是外部市场上企业信息获取的不充分。前者取决于信息公开的数量和质量，后者取决于监管机构、数字化技术对企业信息的挖掘程度，以此评估监督其信息披露质量，从而对融资方进行有效约束。盈余管理就是企业内部干预自身信息披露的一种手段，在遵循会计准则的前提下，企业通过操控或调整公司对外披露的会计盈余信息，达到自身利益最大化，以误导部分利益相关者对公司经营的认知，或影响基于会计数据的契约结果。^［27］盈余管理有助于企业履行契约并传递内部信息，但盈余管理过度则为管理者提供更多操纵财务数据的弹性空间，引发债权人或投资者担忧从而要求更高风险补偿，增加企业融资成本。^［28］信息披露则是资本市场对企业的一种外部监督与管理机制，企业依法依规自愿或强制通过招股说明书、定期或临时报告等形式向公众公开披露重要信息，监管机构、交易所根据其真实性、准确性和完整性等情况进行评级。高质量的信息披露能增强分析师预测的准确性、提高信息透明度，减少交易者获取额外信息的成本，提升资源配置效率，同时能够发挥信号传递效果，降低债权人或投资者的预期风险、缓解代理问题，从而降低融资成本。^［29］

因此，盈余管理和信息披露质量对企业融资的信息不对称具有重要影响作用（见图1中②部分），数字金融的发展通过资源效应拓宽信息渠道，助力债权人与投资者精准识别企业风险与信息披露质量，快速筛选优质对象，降低盈余管理需求，提升信息披露水平。其治理效应强化监督，约束管理层行为，提高盈余管理成本，促使信息质量提升^［30］，从而缓解信息不对称，降低融资成本。此过程中，盈余管理与信息披露质量作为信息不对称的具象，扮演中介角色。鉴于债务与股权融资在信息优势与信息不对称上的差异，两者对信息披露的内部干预与外部监督程度不同，进而影响数字金融降低融资成本的中介效应。基于上述分析，本文提出如下假设。

H2：企业盈余管理、信息披露质量在数字金融降低融资成本的作用中起到中介效应。

H2a：针对不同融资模式，企业盈余管理、信息披露质量的中介效应存在差异。

三、研究设计

（一）样本选择与数据来源

本文选取2011—2020年中国A股非金融类上市公司作为研究对象。数字金融指数来自北京大学数字金融研究中心，公司基本信息、财务数据来源于WIND金融数据库、锐思数据库、国泰安CSMAR数据库、深圳证券交易所和上海证券交易所等。本文对原始数据进行了如下处理：1.剔除所有金融类上市企业；2.剔除所有ST、*ST和PT类企业；3.剔除数据缺失样本；4.对微观企业数据中的连续变量，进行1%和99%分位数的Winsor处理。最终，总共得到14331个非平衡面板数据观测值。

（二）变量定义

1.被解释变量

债务融资成本（DebtCost）。借鉴李广子和刘力的方法^［31］，采用利息费用与负债比，即利息支出与公司总负债的比值对债务融资成本进行衡量。

股权融资成本（r）。根据Easton的研究^［32］，选取MPEG模型下的权益资本成本r。

其中，EPS和EPS分别表示分析师预测未来一年的每股收益、预测未来两年的每股收益，P表示年初股票价格，dps表示下一期每股股利。本文中dps=EPS×δ，δ为过去三年的平均股利支付率。^{［33，34］}

2.解释变量

数字金融指数（DFI）。采用北京大学数字金融研究中心和蚂蚁科技集团联合编制的数字金融指数。为消除量纲，本文对数字金融指数除以100，调整为以1为基准的指标变量。

3.中介变量

盈余管理水平（EM）。参照Guan等^［35］的做法将总盈余（TACC）分解为操纵性应计和非操纵性应计。其中总盈余参考马榕和石晓军的方法^［36］，使用净利润与经营现金流量之间的差值衡量。操纵性应计项目通过总资产规模的倒数（1TAST）、营收变化与总资产的比值（ΔSaleTAST）、固定资产与总资产的比值（PPETAST）以及净利润与总资产的比值（NITAST）进行估计。然后分年度对每个行业进行回归，并将回归后的残差值作为操纵应计，作为盈余管理水平的测度。

信息披露质量（Disclose）。采用深交所的信息披露考评指标作为企业信息披露水平的测度^［37］，同时为确保样本的代表性，将上交所的考评结果也纳入进来^①【①上交所从2016年开始对上市公司进行信息披露质量的考评，并根据考评结果分为A、B、C、D四级。】。考评将上市公司分为优秀（A）、良好（B）、及格（C）和不及格（D）四个级别，本文对A、B、C、D分别取值4、3、2、1。

4.控制变量

参考肖忠意等^［8］、张伟华等^［38］的研究，本文加入以下控制变量：负债水平（Lev）、资产规模（Size）、现金流比率（Cashflow）、公司成长性（Grow）、净资产收益率（ROE）、公司年龄（Age）、董事人数（Board）。^②【②负债水平为资产负债率；资产规模为期末总资产取自然对数；现金流比率为经营活动产生的现金流量净额除以总资产；公司成长性为当年营业收入增长额与期初营业收入的比值；净资产收益率为净利润与期末权益的比值；公司年龄为成立年份到当年的时间取对数；董事人数为董事会人数取自然对数。】

（三）模型设定

为了检验数字金融对融资成本的影响，验证假说H1、H1a，本文构建如下回归模型：

Cost=α+αDFI+∑αCVs+∑λDumm+ε（3）

其中，i表示地区，t表示年份，Cost表示融资成本，DFI表示数字金融指数，CVs表示控制变量，Dumm为年度、省份和行业固定效应，α为模型截距项，α为数字金融系数，α为控制变量系数，λ为控制固定效应的估计系数，ε表示随机误差项。

为探讨数字金融影响企业融资成本的潜在机制，验证假说H2、H2a，本文从信息不对称的视角出发，进行中介效应检验：

med=β+βDFI+∑βCVs+∑λDumm+ε（4）

Cost=ω+ωmed+∑ωCVs+∑λDumm+ε（5）

Cost=θ+θDFI+θmed+∑θCVs+∑λDumm+ε（6）

其中med表示中介变量。这里参考曾国安等的方法^［39］，采用四段式中介机制模型进行检验，通过对式（4）～（6）中系数β、ω、θ、θ的显著性来判断中介变量是否存在中介效应，并运用Sobel检验和Bootstrap检验来进一步判断回归结果，以提高机制检验的完备性和可靠性。

四、实证结果

（一）基准回归结果

对公式（3）进行估计，结果如表1所示。（1）～（4）列DFI回归系数均显著为负，说明数字金融能降低企业融资成本，支持了假说H1。由于数据量纲的问题，无法直接比较表1中DebtCost与r的系数大小，因此，在第（2）列和第（4）列回归结果的基础上，计算估计系数乘以被解释变量的均值并除以解释变量的均值，结果显示，DFI对DebtCost、r的弹性系数分别为-1.2995和-0.1640，表明与股权融资相比，数字金融降低债务融资成本效果更好，假说H1a得证。结合理论与描述性统计，债务融资的平均成本低于股权融资成本，同时债务融资方多为银行等传统的金融中介机构，专业性、技术更新需求更强，数字金融带来的竞争对行业冲击更剧烈，因而债务融资成本受数字金融影响的敏感性更高。

（二）中介效应检验

对公式（4）～（6）进行估计，结果如表2所示。（1）～（5）列结果显示：当中介变量为盈余管理水平时，数字金融显著降低企业盈余管理水平（DFI系数显著为负）。在债务融资方面，数字金融通过降低企业盈余管理水平进而降低债务融资成本（EM系数显著为正，DFI系数仍显著为负），经Sobel和Bootstrap检验确认其显著性。然而，在股权融资中，盈余管理水平未具有显著的中介效应（EM系数不显著，Sobel检验未通过，Bootstrap置信区间含0）。（6）～（10）列结果显示：当中介变量为信息披露质量时，数字金融显著提高企业信息披露质量（DFI系数显著为正）。无论是债务融资，还是股权融资，数字金融都可通过提升企业信息披露质量进而降低企业的债务融资成本（EM系数显著为正，DFI系数仍显著为负），经Sobel和Bootstrap检验又确认其显著性。

上述结果证实，数字金融通过提升盈余管理水平和信息披露质量两条路径降低融资成本，验证假说H2。但是融资模式不同，作用机制各异。债务融资中，数字金融通过改善盈余管理和提升信息披露双重作用缓解信息不对称；股权融资则主要通过提升信息披露质量降低融资成本，验证假说H2a。结合前文理论分析，由于股东可直接参与企业决策，股权融资更依赖高质量的信息披露来减少信息不对称问题，降低融资成本。与之相比，债务融资因易受企业盈余管理的影响，所以在信息披露之外同时依赖企业盈余透明来减轻信息不对称，从而降低融资成本。

五、拓展性分析与稳健性检验

（一）拓展性分析

1.管理层持股的调节效应

管理层持股比例的变化会影响其权力及其行为方式，进而影响上市公司的投融资决策、内部控制、委托代理问题。^{［40，41］}本文引入管理层持股与数字金融的交互项（DFI×Mshare）讨论管理层持股在数字金融降低融资成本中发挥的作用。行业年度中位数以上Mshare赋值1（高持股比例），以下赋值0（低持股比例）。表3中（1）（2）列结果显示，管理层持股越少，数字金融越能降低企业的股权融资成本。这可能是因为股权融资更依赖市场预期与公司内部决策，管理层持股调节效应显著，而债务融资依赖专业评估，独立性相对较强，受管理层持股影响较小。

2.基于企业规模的异质性分析

数字金融的资源效应拓宽了企业融资渠道与金融服务触达能力，因此能够降低企业融资成本。^［42］本文引入企业规模与数字金融的交互项（DFI×Scale）来探讨这一问题。行业年度中位数以上Scale赋值1（大型企业），以下赋值0（中小企业）。表3中（3）（4）列结果显示，数字金融对中小企业债务融资成本的降低作用更为显著，而对大型企业则更多体现在股权融资成本上。这可能归因于中小企业更依赖债务融资，数字金融能高效简化其融资流程，而大型企业因业务多元、信息透明，数字金融对其股权融资成本影响更为深刻。

3.基于外部环境的异质性分析

企业融资受外部环境影响，在市场化成熟、金融体系完善、信息透明的地区，数字金融明显优化了资金配置。^{［43，44］}本文引入地区金融市场化与数字金融的交互项（DFI×Fin），分析其对融资成本的影响。其中，金融市场化程度（Fin）基于樊纲等编制的指数，地区年度中位数以上Fin赋值1（高市场化），以下赋值0（低市场化）。表3中（5）（6）列结果显示，高金融市场化地区，数字金融显著降低了企业债务融资成本；低金融市场化地区数字金融对股权融资成本影响有限。这或许是由于股权融资市场门槛高、资金配置的机制复杂，数字金融与金融市场化协同作用于股权融资的难度较大，相比之下，债务融资更易受益于两者的相互作用。

4.基于是否高新技术企业的异质性分析

企业所属行业的不同影响融资成本，如高新技术企业面临创新高增值、智力密集、高风险高回报的生产经营特点，这通常带来融资渠道狭窄、风险高和担保能力不足的问题。^［45］本文引入高新技术属性与数字金融的交互作用（DFI×Hightech）来探讨这一问题。若属于界定的六大行业^①【①高新技术企业属性以国民经济行业分类中的医药制造业，计算机、通信和其他电子设备制造业，仪器仪表制造业，化学原料和化学制品制造业，化学纤维制造业，铁路、船舶、航空航天和其他运输设备制造业等行业企业为高新技术企业。】则Hightech赋值1（高新技术企业），反之取0（非高新技术企业）。^［46］表3中（7）（8）列结果显示数字金融对高新技术企业的股权融资成本显著降低，而对债务融资成本影响不显著。党的十八大以来，政策支持高新技术企业，推动债务融资向资本性金融转变，如科创板设立等。数字金融通过提升信息透明度，增强市场流动性与风险定价精度，进而有效降低高新技术企业的股权融资成本。

（二）稳健性检验

本文采用四种方式进行稳健性检验。一是替换债权、股权融资成本的衡量指标，其中，债务融资成本分别参考李广子和刘力^［31］、张新民等^［47］的方法，替换为变量DebtCost1、DebtCost2，其计算公式分别为：（利息支出+手续费+其他财务费用）/总负债，以及（应付账款+应付票据+预收账款-应收账款-应收票据-预付账款）/总资产；股权融资成本参考Easton的研究^［32］，替换为r，其计算公式为：r=EPS-EPSP，其中，EPS和EPS分别表示分析师预测未来一年的每股收益、预测未来两年的每股收益，P表示年初股票价格。结果见表4中（1）～（3）列。二是替换数字金融发展水平的衡量指标，参考钟凯等的研究方法^［1］，使用数字金融指数中的子项金融覆盖广度（Cover）和金融使用深度（Use）进行替换，结果见表4中（4）～（7）列。三是删除特定样本，参考宋敏等的方法^［44］，剔除直辖市（北京市、上海市、天津市、重庆市）的样本后对基准模型重新估计，结果见表4中（8）（9）列。四是更换回归估计方法，根据描述性统计分析结果，企业债务融资成本的数据分布具有左侧截断的特征（Y≥0） ，因此采用Tobit回归模型重新进行估计，结果见表4中第（10）列。针对股权、债券的稳健性检验结果均与基准结果一致，支持了本文研究结论。

（三）内生性问题

本文采用三种方式缓解潜在的内生性。一是解释变量滞后一期；二是进行GMM估计，加入债务、股权融资成本的滞后一期作为解释变量进行再次估计；三是使用工具变量法，借鉴钟凯等^［1］、喻平等的研究方法^［48］，分别选取企业在当年同一省份剔除自己所在城市外其他所有城市的数字金融指数均值、各地级市到杭州的球面距离作为工具变量^①【①两个工具变量的 Kleibergen-Paap rk LM统计量均在显著水平（1%）上通过了工具变量可识别的原假设。另外，Cragg-Donald Wald F统计量的值超过了弱工具变量识别F检验在10%显著性水平上的临界值16.38，因此我们也可以拒绝弱工具变量的原假设。这说明工具变量是合理可靠的。】。表5结果显示，三种方式得到的核心解释变量（L.DFI或DFI）的系数均显著为负，进一步支持了本文研究结论的稳健性。

六、结论与启示

本文以2011—2020年沪深A股上市公司为样本，探究了数字金融对债务与股权融资成本的影响差异，以及内部盈余管理、外部信息披露的双重信息不对称视角下的作用机制。研究表明：第一，数字金融有效降低企业融资成本，相比股权融资对债务融资影响更大。目前数字金融技术多应用于银行等传统金融体系，其资源效应和治理效应更多借助信贷渠道影响企业资本结构与融资偏好，这也印证了该结论。第二，数字金融通过优化企业盈余管理和提高信息披露质量来减少信息不对称，降低融资成本。在债务融资中，企业盈余管理与信息披露发挥部分中介效应，而在股权融资中，只有信息披露发挥部分中介效应。这可能会影响企业资本结构调整，导致债务融资偏好增加，尤其对我国目前“先股后债”的融资顺序可能会有所影响。第三，管理层持股越少、企业规模越大，数字金融越能显著降低股权融资成本，地区金融市场化程度越高、企业规模越小，数字金融越能显著降低债务融资成本，这些因素也可能进一步影响企业融资顺序。

本文政策建议如下：第一，政府层面，做好顶层设计，大力推动数字金融制度和基础设施建设，相关政策向重点对象和地区倾斜，充分发挥数据生产要素作用。政府应加快数字经济立法，优化数字金融政策，建立评价体系，最大化其在降低企业债务融资成本中的作用。同时，加强数字金融基础设施建设，提升企业投资效率、公司治理和风险管理能力，优化融资策略。第二，市场层面，充分发挥数字金融“数字”+“包容性”的优势，完善市场信息披露制度，提高服务实体经济的能力。金融机构应使用大数据、人工智能和云计算等技术，建立高水平信用评级的数字风控体系，构建多层次服务体系，为不同类型企业提供多元化服务，特别是中小企业。根据地区特点开发数字金融产品，扩大中西部地区覆盖，增强企业资金支持渠道，提升金融服务可得性。第三，企业层面，依托数字金融优化资本结构，主动进行信息披露，完善公司治理。企业应推进数字化，通过数字金融的资源效应和治理效应提高投融资效率，降低风控和监督成本，减少融资成本。同时，需要提高信息披露质量，明确披露责任，并通过外部监督和优化内部盈余管理来提升透明度。企业管理层应使用数字金融优势提升治理水平，减少委托代理问题，优化治理结构，根据企业特点和市场状况选择合适融资模式，做出科学决策。

参考文献：

［1］钟凯，梁鹏，董晓丹，王秀丽. 数字普惠金融与商业信用二次配置［J］. 中国工业经济，2022（1）：170～188.

［2］唐文进，李爽，陶云清. 数字普惠金融发展与产业结构升级——来自283个城市的经验证据［J］. 广东财经大学学报，2019（6）：35～49.

［3］侯世英，宋良荣. 数字金融对地方政府债务融资的影响［J］. 财政研究，2020（9）：52～64.

［4］余珍，周磊. 数字金融如何影响企业股权融资成本——机制检验、异质性特征与经济后果［J］. 财会通讯，2022（3）：57～60.

［5］郭峰，王靖一，王芳，孔涛，张勋，程志云. 测度中国数字普惠金融发展：指数编制与空间特征［J］. 经济学（季刊），2020（4）：1401～1418.

［6］王雁飞，周茂清.我国数字金融发展的内生动力、现实挑战和政策建议［J］.金融理论探索，2022（3）：56～63.

［7］阮坚，申么，范忠宝. 何以驱动企业债务融资降成本——基于数字金融的效用识别、异质性特征与机制检验［J］. 金融经济学研究，2020（1）：32～44.

［8］肖忠意，陈海涛，李润琪. 数字普惠金融发展能降低上市公司债务融资成本吗［J］. 财会月刊，2022（4）：34～41.

［9］陈旭，赵全厚. 数字金融对企业正规融资影响：挤出还是促进——基于企业成本微观调研数据［J］. 经济体制改革，2022（2）：180～186.

［10］陈廉，易露，陈强. 数字金融、中小企业债务融资与债权人异质性［J］. 贵州财经大学学报，2021（5）：53～60.

［11］田国强，赵旭霞.金融体系效率与地方政府债务的联动影响——民企融资难融资贵的一个双重分析视角［J］.经济研究，2019（8）：4～20.

［12］Merton R. A Simple Model of Capital Market Equilibrium with Incomplete Information［J］. Journal of Finance， 1987， 42（3）： 483～510.

［13］Mocetti S， Pagnini M， Sette E. Information Technology and Banking Organization［J］. Journal of Financial Services Research， 2017， 51（3）： 313～338.

［14］封思贤， 郭仁静. 数字金融， 银行竞争与银行效率［J］. 改革， 2019 （11）： 75～89.

［15］Jagtiani J， Lemieux C. The Roles of Alternative Data and Machine Learning in Fintech Lending： Evidence from the LendingClub Consumer Platform［J］. Financial Management， 2019， 48（4）： 1009～1029.

［16］翟淑萍，韩贤，张晓琳，陈曦.数字金融能降低企业债务违约风险吗［J］.会计研究，2022（2）：117～131.

［17］Bharath S T， Sunder J， Sunder S V. Accounting Quality and Debt Contracting［J］. The Accounting Review， 2008， 83（1）： 1～28.

［18］Allen F， Bartiloro L， Gu X， et al. Does Economic Structure Determine Financial Structure？［J］. Journal of International Economics， 2018， 114： 389～409.

［19］刘林.股权融资偏好模型分析与治理改进设计［J］.金融研究，2006（10）：49-64.

［20］付雷鸣，万迪昉，张雅慧.融资优序理论新证：公司债、可转债和增发股票宣告效应的比较分析［J］.金融评论，2011（1）：101～114;125～126.

［21］李建标，孙宾宾，王鹏程.财富约束、市场时机与融资行为的实验研究——优序融资和市场择时理论的行为元素提炼［J］.金融研究，2016（5）：124～137.

［22］刘柏，琚涛.会计稳健性与公司融资方式选择：外源融资视角［J］.管理科学，2020（5）：126～140.

［23］李小玲，崔淑琳，赖晓冰.数字金融能否提升上市企业价值——理论机制分析与实证检验［J］.现代财经（天津财经大学学报），2020（9）：83～95.

［24］张晓燕，李金宝.数字普惠金融、融资约束与企业价值——基于中国2011—2018上市A股公司的经验数据［J］.金融发展研究，2021（8）：20～27.

［25］姜婷凤，易洁菲.数字经济时代降低小微企业融资成本的路径——信息对称与风险分担［J］.金融论坛，2022（5）：62～72.

［26］谢获宝，敬卓尔，惠丽丽.数字普惠金融与中小企业资本结构优化［J］.南方金融，2022（8）：33～48.

［27］Healy P M， Wahlen J M. A Review of the Earnings Management Literature and Its Implications for Standard Setting［J］. Accounting Horizons， 1999， 13（4）： 365～383.

［28］顾奋玲，解角羊.内部控制缺陷、审计师意见与企业融资约束——基于中国 A 股主板上市公司的经验数据［J］.会计研究，2018（12）：77～84.

［29］吴静宜，郭晓顺.财务总监兼任董秘与债务融资成本——基于信息披露质量与分析师跟踪的中介效应［J］.财会通讯，2021（8）：53～57.

［30］胡振兴，郜晓月，王豪.互联网金融发展、内部控制质量与中小企业融资约束［J］.财会通讯，2019（30）：120～124.

［31］李广子，刘力. 债务融资成本与民营信贷歧视［J］. 金融研究，2009（12）：137～150.

［32］Easton P D. PE Ratios， PEG Ratios， and Estimating the Implied Expected Rate of Return on Equity Capital［J］. The Accounting Review， 2004， 79（1）： 73～95.

［33］王冰洁，刘振涛. 管理层预测质量对权益资本成本的影响［J］. 经济问题探索，2017（11）：46～58.

［34］沈红波. 市场分割、跨境上市与预期资金成本——来自Ohlson-Juettner模型的经验证据［J］. 金融研究，2007（2）：146～155.

［35］Guan Y， Su L N， Wu D， et al. Do School Ties between Auditors and Client Executives Influence Audit Outcomes？［J］. Journal of Accounting and Economics， 2016， 61（2-3）： 506～525.

［36］马榕，石晓军. 中国债券信用评级结果具有甄别能力吗——基于盈余管理敏感性的视角［J］. 经济学（季刊），2016（1）：197～216.

［37］李春涛，刘贝贝，周鹏. 卖空与信息披露：融券准自然实验的证据［J］. 金融研究，2017（9）：130～145.

［38］张伟华，毛新述，刘凯璇. 利率市场化改革降低了上市公司债务融资成本吗？［J］. 金融研究，2018（10）：106～122.

［39］曾国安，苏诗琴，彭爽.企业杠杆行为与技术创新［J］.中国工业经济，2023（8）：155～173.

［40］Seo J. Board Effectiveness and CEO Pay： Board Information Processing Capacity， Monitoring Complexity， and CEO Pay-for-Performance Sensitivity［J］. Human Resource Management， 2017， 56（3）： 373～388.

［41］范海峰，周小春.管理层持股对创新绩效的影响机理研究——基于融资约束的中介作用［J］.科研管理，2020（3）：52～60.

［42］Lee H H， Yang S A， Kim K. The Role of Fintech in Mitigating Information Friction in Supply Chain Finance［J］. Asian Development Bank Economics Working Paper Series， 2019（599）.

［43］马芬芬，王满仓.数字金融与金融资源配置［J］.金融理论与实践，2021（8）：9～19.

［44］宋敏，周鹏，司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角［J］.中国工业经济，2021（4）：138～155.

［45］向显湖，刘天.论表外无形资产：基于财务与战略相融合的视角——兼析无形资源、无形资产与无形资本［J］.会计研究，2014（4）：3～9;95.

［46］姚凯，王亚娟.海归高管与企业国际化——基于我国高科技上市公司的实证研究［J］.经济理论与经济管理，2020（11）：55～71.

［47］张新民，王珏，祝继高.市场地位、商业信用与企业经营性融资［J］.会计研究，2012（8）：58～65;97.

［48］喻平，豆俊霞.数字普惠金融、企业异质性与中小微企业创新［J］.当代经济管理，2020（12）：79～87.

How Does Digital Finance Affect the Cost of Different Financing Modes？

-Based on the Dual Perspective of Internal and External Information Asymmetry

GUO Jing^1，2，HUO Jiaxu^3，1，2，ZHANG Juying^1，2

（1.Financial Innovation and Risk Management Research Center， Hebei Finance University， Baoding， Hebei 071051， China; 2.Digital Financial Governance and Data Security Research Base of Hebei Province， Baoding， Hebei 071051， China; 3.School of Applied Economics， University of Chinese Academy of Social Sciences， Beijing 102488， China）

Abstract：Digital finance is of great significance to relieve the financing dilemma and reduce the financing cost of enterprises. However， research on the differential effects and mechanisms of digital finance in various financing models is relatively scarce. This paper using data from Shanghai and Shenzhen A-share listed companies from 2011 to 2020， explores the heterogeneous impact of digital finance on debt and equity financing costs， and investigates the mechanisms from the perspectives of internal earnings management and external information disclosure.The study finds that the resource and governance effects of digital finance can significantly reduce corporate financing costs. However， the cost reduction effect is more pronounced for debt financing compared to equity financing. Additionally， earnings management and the quality of information disclosure serve as mediators in debt financing， while only information disclosure is effective in equity financing. Further analysis reveals that firms with lower management shareholding， larger sizes， and those in high-tech sectors benefit more from digital finance in reducing equity financing costs. Conversely， firms in regions with higher financial marketization and smaller-scale enterprises benefit more significantly from reduced debt financing costs. This study contributes to financial institutions in providing precise services， optimizing corporate financing strategies and information management， and advancing the development of digital finance in China.

Key words：digital finance; financing cost; financing mode; information asymmetry; earnings management; information disclosure

责任编辑：萧敏娜