金融科技、信貸錯配與非金融企業(yè)部門杠桿率風(fēng)險

任碧云　關(guān)秋

【摘要】本文將金融科技和非金融企業(yè)部門杠桿率風(fēng)險置于同一框架下分析， 基于我國國有企業(yè)和民營企業(yè)在信貸獲取和生產(chǎn)率方面存在差異的現(xiàn)實(shí)背景， 構(gòu)建包含信貸錯配特征的動態(tài)隨機(jī)一般均衡（DSGE）模型， 研究金融科技緩解非金融企業(yè)部門杠桿率風(fēng)險的作用。研究發(fā)現(xiàn)： 我國非金融企業(yè)部門杠桿率風(fēng)險主要體現(xiàn)為， 當(dāng)存在信貸錯配時， 不利沖擊導(dǎo)致總產(chǎn)出下降較多， 而“穩(wěn)增長”政策對總產(chǎn)出的拉動作用較??； 金融科技能夠降低中小民營企業(yè)融資溢價、 提高中小民營企業(yè)生存率和生產(chǎn)效率， 減輕信貸錯配程度， 從而緩解非金融企業(yè)部門杠桿率風(fēng)險。因此， 應(yīng)持續(xù)深化金融科技應(yīng)用， 實(shí)現(xiàn)“穩(wěn)增長”和“防風(fēng)險”的統(tǒng)一。

【關(guān)鍵詞】金融科技；信貸錯配；非金融企業(yè)部門；杠桿率風(fēng)險

【中圖分類號】 F830.5? ? ?【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2023）06-0114-10

一、 引言

2008年國際金融危機(jī)后， 我國宏觀杠桿率迅速上升， 一度被認(rèn)為是宏觀經(jīng)濟(jì)重要的風(fēng)險隱患。根據(jù)中國社會科學(xué)院國家資產(chǎn)負(fù)債表研究中心（CNBS）的數(shù)據(jù)， 2022年9月末我國宏觀杠桿率（債務(wù)/GDP）為273.2%， 較2008年末增加了132.0個百分點(diǎn)。其中， 非金融企業(yè)部門杠桿率（非金融企業(yè)部門債務(wù)/GDP）為160.9%， 較2008年末增加了65.7個百分點(diǎn)， 是宏觀杠桿率的主體部分和主要增長動力。2015年以來， 宏觀杠桿率特別是非金融企業(yè)部門杠桿率成為我國金融宏觀調(diào)控的重點(diǎn)。2015年12月的中央經(jīng)濟(jì)工作會議首次提出“去杠桿”政策， 2018年4月的中央財經(jīng)委員會會議進(jìn)一步提出“以結(jié)構(gòu)性去杠桿為基本思路”“企業(yè)特別是國有企業(yè)要盡快把杠桿降下來”， 2019年12月的中央經(jīng)濟(jì)工作會議要求“保持宏觀杠桿率基本穩(wěn)定”， 2022年12月的中央經(jīng)濟(jì)工作會議強(qiáng)調(diào)“要著力穩(wěn)增長穩(wěn)就業(yè)穩(wěn)物價， 保持經(jīng)濟(jì)運(yùn)行在合理區(qū)間”?？梢钥闯?， 對宏觀杠桿率的調(diào)控思路逐漸從“去杠桿”轉(zhuǎn)變?yōu)椤胺€(wěn)杠桿”， 更加注重在宏觀杠桿率水平保持基本穩(wěn)定的情況下， 對非金融企業(yè)部門的杠桿結(jié)構(gòu)進(jìn)行優(yōu)化， 防范非金融企業(yè)部門杠桿率風(fēng)險。

非金融企業(yè)部門債務(wù)主要是銀行向企業(yè)（包括國有企業(yè)和民營企業(yè)）發(fā)放的貸款。近年來， 銀行信貸特別是中小民營企業(yè)的信貸發(fā)生了重大變化， 一個重要影響因素就是金融科技（Fintech）。根據(jù)金融穩(wěn)定理事會（Financial Stability Board，F(xiàn)SB）的定義， 金融科技是技術(shù)驅(qū)動的金融創(chuàng)新， 是運(yùn)用現(xiàn)代科技成果創(chuàng)造或創(chuàng)新金融產(chǎn)品、 經(jīng)營模式、 業(yè)務(wù)流程等， 推動金融發(fā)展提質(zhì)增效。在新一輪科技革命和產(chǎn)業(yè)變革加速演變中， 金融與科技的相互賦能是創(chuàng)新驅(qū)動發(fā)展的重要一環(huán)， 有力推動了銀行信貸模式的轉(zhuǎn)變。銀行利用互聯(lián)網(wǎng)、 大數(shù)據(jù)、 云計算、 區(qū)塊鏈、 人工智能等創(chuàng)新技術(shù)， 在設(shè)計信貸產(chǎn)品、 積累客戶數(shù)據(jù)、 加強(qiáng)信用風(fēng)險管理等方面加快轉(zhuǎn)型， 對信貸特別是中小民營企業(yè)的信貸產(chǎn)生了較大影響。

一個值得思考的問題是， 金融科技是否能夠通過增加中小民營企業(yè)信貸， 對非金融企業(yè)部門杠桿率的結(jié)構(gòu)和風(fēng)險產(chǎn)生影響？本文基于國有企業(yè)和民營企業(yè)信貸錯配特征構(gòu)建動態(tài)隨機(jī)一般均衡（DSGE）模型， 分析金融科技影響中小民營企業(yè)信貸的作用機(jī)理， 刻畫金融科技減輕信貸錯配程度、 降低非金融企業(yè)部門杠桿率風(fēng)險的作用。文章余下部分安排如下： 第二部分梳理有關(guān)文獻(xiàn)并分析作用機(jī)理， 第三部分構(gòu)建DSGE模型， 第四部分進(jìn)行模擬分析， 第五部分是研究結(jié)論和政策含義。

二、 文獻(xiàn)綜述和理論分析

已有研究對于宏觀杠桿率風(fēng)險的擔(dān)憂， 歸根結(jié)底是擔(dān)心高杠桿對經(jīng)濟(jì)總產(chǎn)出的負(fù)面影響。許多文獻(xiàn)指出， 過高的杠桿率水平或增速會導(dǎo)致債務(wù)的邊際貢獻(xiàn)由正轉(zhuǎn)負(fù)， 加劇產(chǎn)出的波動水平。Reinhart和Rogoff（2009）提出了“90、 60”標(biāo)準(zhǔn)， 即當(dāng)公共債務(wù)占GDP的比重超過90%時， 公共債務(wù)每增長1%， GDP增長率的中樞大致下降1%； 外債規(guī)模占GDP之比的閾值則約為60%。Arcand等（2012）的研究表明， 當(dāng)宏觀杠桿率超過100%之后， 產(chǎn)出波動將明顯加大。同時， 高杠桿還會引起金融風(fēng)險不斷累積， 在房地產(chǎn)市場、 資本市場等中催生泡沫， 泡沫一旦破裂將導(dǎo)致“債務(wù)—通縮”循環(huán)或“資產(chǎn)負(fù)債表衰退”， 引發(fā)總產(chǎn)出大幅下降和經(jīng)濟(jì)衰退（Martin和Ventura，2012；馬勇等，2016）。就非金融企業(yè)部門而言， 杠桿率風(fēng)險具體體現(xiàn)在國有企業(yè)和民營企業(yè)信貸錯配對總產(chǎn)出的負(fù)面影響。國有企業(yè)和民營企業(yè)并存的“二元”結(jié)構(gòu)是我國非金融企業(yè)部門的主要特征， 兩者在生產(chǎn)率和信貸約束等方面存在差異（余雪飛和宋清華，2013；聶輝華等，2016）。國有企業(yè)生產(chǎn)率較低， 但由于受到隱性政府擔(dān)保， 其更易獲得低利率的信貸支持； 而民營企業(yè)雖然生產(chǎn)率較高， 但面臨著更加嚴(yán)格的融資約束。鐘寧樺等（2016）認(rèn)為， 我國高杠桿問題主要集中于大型國有企業(yè)， 信貸資源錯配阻礙了全要素生產(chǎn)率的提升。伍戈和李斌（2016）認(rèn)為， 國有企業(yè)過度融資和非理性投資可能擠出民營企業(yè)信貸資源， 造成經(jīng)濟(jì)結(jié)構(gòu)扭曲和產(chǎn)出損失。劉一楠和宋曉玲（2018）發(fā)現(xiàn)， 以房地產(chǎn)與地方平臺為代表的國有企業(yè)部門生產(chǎn)效率較低但得到信貸支持， 以制造業(yè)為代表的民營部門生產(chǎn)效率較高但受到信貸抑制， 降低了經(jīng)濟(jì)體產(chǎn)出水平與經(jīng)濟(jì)效率。綜上所述， 非金融企業(yè)部門杠桿率風(fēng)險主要表現(xiàn)為， 在國有企業(yè)和民營企業(yè)信貸錯配的情況下， 經(jīng)濟(jì)體總產(chǎn)出較不存在信貸錯配時更低。考慮到在當(dāng)前推動經(jīng)濟(jì)運(yùn)行穩(wěn)步回升的總體要求下， 簡單壓降國有企業(yè)信貸可能對經(jīng)濟(jì)恢復(fù)增長特別是基礎(chǔ)設(shè)施建設(shè)投資造成一定沖擊， 因此， 設(shè)法支持中小民營企業(yè)有效信貸需求既是穩(wěn)增長、 保就業(yè)的重要手段， 可能也是緩解非金融企業(yè)部門杠桿率風(fēng)險的現(xiàn)實(shí)選擇。

近年來許多研究認(rèn)為， 金融科技能夠增加銀行對中小民營企業(yè)的信貸支持。金融科技相關(guān)概念還包括數(shù)字金融、 互聯(lián)網(wǎng)金融等， 而這些概念基本相似（黃益平和黃卓，2018）。金融科技增加中小民營企業(yè)信貸的作用機(jī)理包括以下三個方面：

1. 金融科技能夠緩解信息不對稱問題， 降低民營企業(yè)的融資溢價。中小民營企業(yè)普遍存在財務(wù)信息不完善、 信息披露不健全等問題， 銀行由于信息不對稱難以識別企業(yè)的償債能力， 傾向于選擇較高的風(fēng)險溢價， 金融科技則有助于緩解這一問題： 第一， 金融科技能夠幫助銀行全面、 準(zhǔn)確地收集各類信息， 對企業(yè)銷售、 信用、 納稅、 用水用電等行為數(shù)據(jù)進(jìn)行挖掘和處理， 有效降低信息不對稱程度（Mocetti等，2017；黃浩，2018）。第二， 銀行基于大數(shù)據(jù)、 分布式記賬等技術(shù)構(gòu)建智能風(fēng)控系統(tǒng)， 提升了各類風(fēng)險識別和管理的有效性， 通過精準(zhǔn)化企業(yè)畫像、 精細(xì)化風(fēng)險管理， 降低了合規(guī)成本和不良率（Norden等，2014；Demertzis等，2018）。第三， 金融科技能夠促進(jìn)融資業(yè)務(wù)全流程的線上化、 自動化， 節(jié)省了人工成本， 減少了尋租空間和道德風(fēng)險（Gomber等， 2018； 李春濤等， 2020）。

2. 金融科技能夠提高企業(yè)生存率。流動性不足是中小企業(yè)生命周期短的主要原因， 特別是在疫情的沖擊下， 大量中小民營企業(yè)營業(yè)收入下降、 流動資金不足， 如果缺少有效的金融支持， 將發(fā)生資金鏈斷裂使得企業(yè)退出市場。金融科技則拓寬了中小企業(yè)流動性資金來源， 緩解了疫情等外部沖擊的影響。第一， 金融科技減少了傳統(tǒng)信貸模式對企業(yè)抵押品的需求、 增加了信用貸款占比， 提高了民營企業(yè)信貸資源可得性（肖宇等，2020； 任碧云和鄭宗杰， 2021）。第二， 金融科技加劇了銀行業(yè)市場競爭， 促進(jìn)了銀行信貸資源下沉和擴(kuò)散， 便利了延期還本付息等優(yōu)惠政策的實(shí)施（孟娜娜和粟勤，2020；盛天翔和范從來，2020）。第三， 金融科技促使產(chǎn)生了新的產(chǎn)品種類、 商業(yè)模式和金融業(yè)態(tài)， 增加了金融服務(wù)供給和流動性補(bǔ)充的渠道（唐松等， 2019；李天宇和王曉娟，2021）。

3. 金融科技有助于促進(jìn)企業(yè)創(chuàng)新， 提升企業(yè)生產(chǎn)效率。第一， 金融科技加強(qiáng)了銀行對企業(yè)使用融資進(jìn)行生產(chǎn)和投資的監(jiān)督（Sutherland， 2018）， 反過來也促進(jìn)了中小民營企業(yè)加強(qiáng)內(nèi)部管理、 嚴(yán)肅財務(wù)紀(jì)律， 推動企業(yè)生產(chǎn)經(jīng)營更加規(guī)范高效。第二， 金融科技幫助企業(yè)獲得了充裕的資金， 滿足了創(chuàng)新活動產(chǎn)生的大量資金需求， 增強(qiáng)了開展創(chuàng)新活動的動力（馬紅和李小萍，2022；王平和王凱，2022）。第三， 銀行在開展融資業(yè)務(wù)的過程中， 還會通過互聯(lián)網(wǎng)、 大數(shù)據(jù)為企業(yè)提供金融信息服務(wù)， 有助于提升企業(yè)管理決策水平和企業(yè)生產(chǎn)效率（Philippon，2016）。

因此， 金融科技能夠增加銀行對中小民營企業(yè)的信貸支持， 可能有助于減輕國有企業(yè)和民營企業(yè)信貸錯配對經(jīng)濟(jì)總產(chǎn)出的負(fù)面影響， 降低非金融企業(yè)部門杠桿率風(fēng)險。盡管金融科技也可能使得信貸風(fēng)險更具傳染性、 隱蔽性和復(fù)雜性， 但考慮到我國金融科技正處于發(fā)展初期， 大部分應(yīng)用還是在傳統(tǒng)金融基礎(chǔ)上拓展金融服務(wù)范圍（唐松等，2020）， 且金融監(jiān)管部門同樣應(yīng)用金融科技推動監(jiān)管科技（Regtech）的發(fā)展， 風(fēng)險監(jiān)測預(yù)警和處置能力不斷提升， 2021年以來也逐步將互聯(lián)網(wǎng)平臺企業(yè)的金融業(yè)務(wù)納入監(jiān)管并嚴(yán)格規(guī)制， 風(fēng)險呈現(xiàn)收斂態(tài)勢。因此， 從整體上來看， 現(xiàn)階段金融科技對降低融資溢價、 提高生存率和生產(chǎn)效率的正面作用要遠(yuǎn)遠(yuǎn)大于其負(fù)面作用。

已有研究闡述了金融科技緩解企業(yè)特別是中小民營企業(yè)融資約束、 促進(jìn)經(jīng)濟(jì)發(fā)展的積極作用， 而民營企業(yè)融資又與信貸錯配和非金融企業(yè)部門杠桿率風(fēng)險密切相關(guān)。雖然相關(guān)文獻(xiàn)已對這一問題的許多層面進(jìn)行了富有意義的探討， 但尚未發(fā)現(xiàn)將金融科技和非金融企業(yè)部門杠桿率風(fēng)險放在同一框架內(nèi)的研究。與現(xiàn)有研究相比， 本文可能的貢獻(xiàn)主要有以下兩點(diǎn)： 一是將金融科技與非金融企業(yè)部門杠桿率風(fēng)險置于同一框架下考慮， 梳理金融科技通過增加中小民營企業(yè)信貸影響杠桿率風(fēng)險的作用機(jī)理， 拓展對金融科技影響的研究維度； 二是構(gòu)建了一個包含信貸錯配的DSGE模型， 分析非金融企業(yè)部門杠桿率風(fēng)險， 并模擬金融科技的作用， 從而豐富了對杠桿率風(fēng)險的研究。

三、 模型構(gòu)建與參數(shù)設(shè)定

（一）模型構(gòu)建

本文構(gòu)造的模型以Christensen和Dib（2008）的研究為基礎(chǔ)， 刻畫了代表性家庭、 中間產(chǎn)品生產(chǎn)商（國有企業(yè)和民營企業(yè)）、 資本品生產(chǎn)商、 零售商、 銀行機(jī)構(gòu)、 政府和中央銀行的經(jīng)濟(jì)行為。各部門的內(nèi)在關(guān)系是： 代表性家庭向國有企業(yè)和民營企業(yè)提供勞動、 獲得工資收入， 在金融機(jī)構(gòu)進(jìn)行儲蓄， 通過決策消費(fèi)、 勞動供給和儲蓄實(shí)現(xiàn)自身終生效用最大化； 國有企業(yè)和民營企業(yè)從金融機(jī)構(gòu)獲得信貸資金， 從資本品生產(chǎn)商購買資本并從家庭部門雇傭勞動， 進(jìn)行中間產(chǎn)品生產(chǎn)； 銀行機(jī)構(gòu)作為資金中介， 吸收家庭部門的儲蓄并全部以信貸形式提供給國有企業(yè)和民營企業(yè)； 資本品生產(chǎn)商進(jìn)行資本積累并提供給國有企業(yè)和民營企業(yè)使用； 零售商購買同質(zhì)的中間品并加工成差異化的零售品， 設(shè)定零售品的價格并進(jìn)行銷售； 中央銀行根據(jù)經(jīng)濟(jì)運(yùn)行情況和一定規(guī)則制定貨幣政策； 政府向非金融企業(yè)部門征稅并進(jìn)行政府支出。

與常見的分析居民部門、 非金融企業(yè)部門、 政府部門三部門杠桿率的DSGE模型相比， 本文的模型加入了信貸錯配的設(shè)定， 區(qū)分了生產(chǎn)效率較低、 融資約束寬松的國有企業(yè)部門和生產(chǎn)效率較高、 融資約束較緊的民營企業(yè)部門， 從而能夠反映非金融企業(yè)部門的“二元”結(jié)構(gòu)對其杠桿率風(fēng)險的影響。

（二）參數(shù)設(shè)定

根據(jù)已有文獻(xiàn)和實(shí)際數(shù)據(jù)對模型進(jìn)行參數(shù)校準(zhǔn)和參數(shù)估計， 模型中1期對應(yīng)現(xiàn)實(shí)中1個季度。

1. 利用能夠收集的實(shí)際數(shù)據(jù)對有明確經(jīng)濟(jì)含義的參數(shù)進(jìn)行計算。根據(jù)現(xiàn)有文獻(xiàn)的一般做法和一年期國債利率數(shù)據(jù)， 將主觀貼現(xiàn)因子β設(shè)為0.995， 意味著年化無風(fēng)險利率約為2%。根據(jù)方程（6）（7）可得資本產(chǎn)出彈性系數(shù)與勞動者報酬占比的關(guān)系為α=1-WssLss/Yss， 由于有數(shù)據(jù)統(tǒng)計的2008 ～ 2017年我國GDP收入法構(gòu)成中勞動者報酬占比均值WssLss/Yss約為0.5， 因此本文將資本產(chǎn)出彈性系數(shù)[α]取0.5。與大多數(shù)文獻(xiàn)保持一致， 勞動厭惡系數(shù)η取1.315， 投資轉(zhuǎn)化函數(shù)的彈性φ取值0.25， 資本折舊率δ取0.025， 對應(yīng)每年資本折舊率為10%， 這也與部分研究采用永續(xù)盤存法估算的年度資本折舊率接近。根據(jù)國家統(tǒng)計局公布的2008 ～ 2020年支出法核算的生產(chǎn)總值及其分項數(shù)據(jù)可以計算得到居民消費(fèi)率、 私人部門投資率和政府支出率分別為39%、 43%、 18%， 因此穩(wěn)態(tài)時的消費(fèi)率Css/Yss、 投資率Iss/Yss、 政府支出率Gss/Yss分別取0.4、 0.4、 0.2。參照DSGE標(biāo)準(zhǔn)的Calvo定價法， 將零售商中不進(jìn)行價格調(diào)整的廠商比例θ取0.75。利率平滑系數(shù)ρn取0.98， 貨幣政策對產(chǎn)出的反應(yīng)系數(shù)ρy和對通脹的反應(yīng)系數(shù)ρp分別取0.78、 1.31， 財政沖擊系數(shù)ρg取0.95。貨幣政策沖擊和財政政策沖擊的標(biāo)準(zhǔn)差均為0.01。

2. 結(jié)合已有文獻(xiàn)和對兩類企業(yè)的調(diào)查數(shù)據(jù)對異質(zhì)性企業(yè)相關(guān)參數(shù)進(jìn)行取值。根據(jù)中國人民銀行營業(yè)管理部課題組（2017）的研究， 穩(wěn)態(tài)時的資本產(chǎn)出比Ys，ss/Ks，ss和Yp，ss/Kp，ss分別取1/4和1/3， 穩(wěn)態(tài)時的提價率Xss取1.2， 可得深度參數(shù)vs和vp分別為0.9和0.86。根據(jù)中國財政科學(xué)研究院《2019年“降成本”總報告》①中的數(shù)據(jù)， 樣本國有企業(yè)短期貸款利率約為5.06% ～ 5.17%， 民營企業(yè)的相應(yīng)值為6.05% ～ 6.14%， 這一結(jié)果也與2020年上半年中國人民銀行《區(qū)域金融運(yùn)行報告》②中對全國957家企業(yè)問卷調(diào)查的結(jié)果相近。據(jù)此， 本文將國有企業(yè)年化貸款利率設(shè)定為5%， 民營企業(yè)年化貸款利率設(shè)定為6%， 則季度貸款利率分別為1.25%和1.5%， 可計算出穩(wěn)態(tài)時兩類企業(yè)實(shí)際外部融資成本Fs，ss和Fp，ss分別為1.0125和1.015。借鑒劉一楠和王亮（2018）的研究， 企業(yè)平均權(quán)益乘數(shù)一般為2， 因此本文將兩類中間品生產(chǎn)商的杠桿率χs和χp取值為2， 即在相近的資產(chǎn)負(fù)債率水平下， 國有企業(yè)和民營企業(yè)由于融資溢價的系數(shù)不同， 實(shí)際融資成本也存在較大差別。兩類企業(yè)融資溢價對杠桿率的彈性系數(shù)ψs和ψp取值分別為0.05和0.07， 表示杠桿率每上升1%會使得外部融資溢價穩(wěn)態(tài)上升的程度。由于政府擔(dān)保的存在， 國有企業(yè)自然生存率高于民營企業(yè)， γs和γp分別取0.97和0.95。根據(jù)中國人民銀行營業(yè)管理部課題組（2017）的研究， 穩(wěn)態(tài)時兩類中間產(chǎn)品生產(chǎn)商的資本、 工資、 產(chǎn)出比Ks，ss/Kp，ss、 Ws，ss/Wp，ss、 Ys，ss/Yp，ss分別取1.2、 0.8、 0.8， 產(chǎn)出替代彈性[λ]取1.5， 國有企業(yè)占比p取0.5， 可得深度參數(shù)μk、 μw、 μy分別為0.55、 0.44、 0.42。國有企業(yè)和民營企業(yè)技術(shù)沖擊一階自相關(guān)系數(shù)ρa(bǔ)s、 ρa(bǔ)p均取0.89， 技術(shù)沖擊標(biāo)準(zhǔn)差均取0.01。校準(zhǔn)參數(shù)取值見表1。

四、 非金融企業(yè)部門杠桿率風(fēng)險和金融科技影響分析

本文模擬不同參數(shù)下經(jīng)濟(jì)系統(tǒng)的沖擊響應(yīng)， 探討非金融企業(yè)部門杠桿率風(fēng)險和金融科技的影響。模型模擬展示了在國有企業(yè)和民營企業(yè)信貸錯配的情況下， 不利外部沖擊和“穩(wěn)增長”政策對經(jīng)濟(jì)總產(chǎn)出波動的影響（包括外部沖擊對總產(chǎn)出的負(fù)向影響更大或正向影響更小）， 從而反映出非金融企業(yè)部門杠桿率風(fēng)險； 隨后加入金融科技的影響， 引入其加大銀行對中小民營企業(yè)信貸支持、 減輕信貸錯配程度的機(jī)制， 從而反映其緩解外部沖擊不利影響、 防范化解非金融企業(yè)部門杠桿率風(fēng)險的作用。下文將通過模型進(jìn)行具體的模擬分析。

（一）非金融企業(yè)部門杠桿率風(fēng)險的表現(xiàn)

1. 信貸錯配下不利沖擊對產(chǎn)出的影響。通過對民營企業(yè)融資溢價進(jìn)行賦值， 模擬不利外部沖擊對非金融企業(yè)部門產(chǎn)出和總產(chǎn)出的影響。為了在一次模擬中納入對兩類企業(yè)生產(chǎn)率的沖擊， 假設(shè)國有企業(yè)生產(chǎn)率是民營企業(yè)生產(chǎn)的0.9倍， 即兩類企業(yè)生產(chǎn)函數(shù)的線性化方程分別為

ψs=ψp=0.07時， 生產(chǎn)率發(fā)生未預(yù)期到的外生下降， 國有企業(yè)產(chǎn)出、 民營企業(yè)產(chǎn)出減少， 總產(chǎn)出下降（實(shí)線）。當(dāng)存在“二元”經(jīng)濟(jì)結(jié)構(gòu)時， 民營企業(yè)融資溢價仍然較高而國有企業(yè)融資溢價較低， 信貸資源發(fā)生扭曲， 設(shè)ψs=0.05， ψp=0.07； 此時， 生產(chǎn)率負(fù)向沖擊導(dǎo)致國有企業(yè)產(chǎn)出、 民營企業(yè)產(chǎn)出更大幅度的減少， 總產(chǎn)出也出現(xiàn)更大幅度的下降（虛線）。

近年來國際國內(nèi)局勢復(fù)雜嚴(yán)峻， 此類供給側(cè)的沖擊并不少見。由上述模擬可以看出， 在信貸錯配情況下， 民營企業(yè)融資溢價高于國有企業(yè)、 信貸資源發(fā)生扭曲， 在面臨貿(mào)易摩擦、 疫情等外部不利沖擊時， 總產(chǎn)出（相比不存在信貸錯配的情況下）會發(fā)生更大幅度的下降， 不利沖擊的負(fù)面影響更大。

2. 信貸錯配下“穩(wěn)增長”政策對產(chǎn)出的影響。2021年12月的中央經(jīng)濟(jì)工作會議指出， 宏觀經(jīng)濟(jì)面臨需求不足、 供給沖擊、 預(yù)期轉(zhuǎn)弱三重壓力， 要繼續(xù)實(shí)施積極的財政政策和穩(wěn)健的貨幣政策。2022年以來， 國務(wù)院多次強(qiáng)調(diào)把“穩(wěn)增長”放在更加突出的位置， 以穩(wěn)住經(jīng)濟(jì)大盤。那么， 信貸錯配下“穩(wěn)增長”政策對非金融企業(yè)部門產(chǎn)出的拉動作用是否受到影響？本文通過對國有企業(yè)占比進(jìn)行賦值模擬實(shí)體經(jīng)濟(jì)信貸扭曲的程度， 并分析擴(kuò)張性宏觀政策對總產(chǎn)出的調(diào)控效果。

考慮p={0.8，0.5，0.2}三種情形， 本文模擬貨幣政策和財政政策沖擊影響。首先， 以利率受到1%的負(fù)向沖擊模擬實(shí)施擴(kuò)張性貨幣政策（圖2）， 此時經(jīng)濟(jì)體信貸需求增加、 資產(chǎn)價格上升， 國有企業(yè)由于融資溢價較低， 擠占了民營企業(yè)融資， 但由于國有企業(yè)生產(chǎn)率較低， 金融資源被低效配置， 總產(chǎn)出上升幅度較小， 貨幣政策調(diào)控作用被削弱。隨著p增大， 總產(chǎn)出上升幅度逐漸減小， “穩(wěn)增長”政策的作用越來越弱。其次， 以政府購買受到1%的正向沖擊模擬實(shí)施擴(kuò)張性財政政策（圖3）， 此時總產(chǎn)出增加， 但由于資源被低效配置， 總產(chǎn)出上升幅度較小， 財政政策調(diào)控作用被削弱。隨著p增大， 沖擊對總產(chǎn)出的提升作用逐漸減弱。

由此可見， 國有企業(yè)和民營企業(yè)信貸錯配導(dǎo)致擴(kuò)張性貨幣政策和擴(kuò)張性財政政策對產(chǎn)出增長的推動作用下降。信貸錯配程度越大， “穩(wěn)增長”政策的有效性就越弱。

綜上， 我國非金融企業(yè)部門杠桿率的風(fēng)險主要表現(xiàn)為信貸錯配對總產(chǎn)出的負(fù)面影響： 一是國有企業(yè)由于隱性政府擔(dān)保等原因可獲得畸低的融資溢價， 而民營企業(yè)則需要承擔(dān)較高的融資成本， 在面對貿(mào)易摩擦、 疫情等不利沖擊時， 總產(chǎn)出下降幅度相比于兩類企業(yè)市場化融資時更大； 二是生產(chǎn)率較低的國有企業(yè)吸收了更多的信貸資源， 生產(chǎn)率較高的民營企業(yè)融資則被擠出， 導(dǎo)致擴(kuò)張性貨幣政策和財政政策對總產(chǎn)出的拉動作用較小， “穩(wěn)增長”宏觀政策調(diào)控效果被削弱。

（二）金融科技對非金融企業(yè)部門杠桿率風(fēng)險的影響

根據(jù)上文分析， 金融科技能夠降低銀行對民營企業(yè)的融資溢價、 提高民營企業(yè)生存率和生產(chǎn)效率， 減輕信貸錯配程度， 從而降低不利外部沖擊對產(chǎn)出的負(fù)面影響、 提高“穩(wěn)增長”政策對產(chǎn)出的調(diào)控效果， 降低非金融企業(yè)杠桿率風(fēng)險。本文在模型中引入金融科技， 并進(jìn)一步分析其影響。

1. 改善融資溢價結(jié)構(gòu)。金融科技能夠緩解借貸雙方的信息不對稱， 提升風(fēng)險管理有效性， 節(jié)省人工成本， 從而降低中小民營企業(yè)的融資溢價。本文設(shè)定民營企業(yè)實(shí)際融資溢價受到金融科技的影響，公式如下：

ψp＝m1ψp? ?（24）

其中， m1∈（ψs/ψp，1）代表金融科技應(yīng)用強(qiáng)度， m1越小代表金融科技應(yīng)用越強(qiáng)， 民營企業(yè)實(shí)際融資利率與國有企業(yè)的偏離越小。此處將m1下限設(shè)置為ψs/ψp而不是0， 是由于民營企業(yè)缺乏擔(dān)保等原因， 其平均融資利率不太可能顯著低于國有企業(yè)， 且本文主要關(guān)注的是兩類企業(yè)融資溢價差異問題， 所考察的也是金融科技如何降低信貸錯配程度。下文將模擬金融科技降低中小民營企業(yè)融資溢價、 減輕不利外生沖擊影響的作用。

在國有企業(yè)融資溢價較低的情況下， 考慮m1={ψs/ψp，1}兩種情形， 此時ψp={0.07，0.05}， 假設(shè)經(jīng)濟(jì)體受到不利的利率沖擊（圖4）。當(dāng)利率突然上升1%時， 國有企業(yè)產(chǎn)出和民營企業(yè)產(chǎn)出均不同程度下滑， 總產(chǎn)出有較大幅度降低， 但當(dāng)金融科技完全消除了民營企業(yè)與國有企業(yè)的融資溢價差異后， 即民營企業(yè)融資溢價較低（ψp=0.05）時， 由于民營企業(yè)產(chǎn)出的下滑受到明顯緩解， 總產(chǎn)出下降的幅度較?。▽?shí)線）。由此可見， 金融科技降低民營企業(yè)融資溢價， 可以使民營企業(yè)與國有企業(yè)在市場上公平競爭， 由于民營企業(yè)生產(chǎn)率較高， 面對不利沖擊時能夠減小產(chǎn)出的波動， 從而有效增強(qiáng)了經(jīng)濟(jì)體韌性。

2. 提升企業(yè)生存率。金融科技降低了民營企業(yè)獲得融資的門檻， 促進(jìn)信貸資源下沉和擴(kuò)散， 增加了金融服務(wù)供給， 使民營企業(yè)能夠獲得必要的流動性、 享受延期還本付息等優(yōu)惠政策， 提高了企業(yè)生存率。與上文類似， 本文設(shè)定企業(yè)實(shí)際生存率受到金融科技的影響， 公式如下：

其中， m2∈（1，γs/γp）代表金融科技強(qiáng)度， m2越大代表金融科技應(yīng)用程度越高， 則民營生存率與國有企業(yè)的偏離越小。類似地， 此處設(shè)定m2上限以控制 的最大值為γs。下文將模擬金融科技通過提升民營企業(yè)生存率減輕不利外部沖擊影響的作用。

本文考慮m2∈（1，γs/γp）兩種情形， 此時γp={0.95，0.97}， 模擬擴(kuò)張性貨幣政策和財政政策的沖擊影響（圖5和圖6）。如圖5所示， 當(dāng)民營企業(yè)生存率較低（γp=0.95）時， 面對貨幣政策1%的負(fù)向沖擊， 國有企業(yè)、 民營企業(yè)提高投資水平， 兩類企業(yè)產(chǎn)出和總產(chǎn)出均增加（虛線）。當(dāng)民營企業(yè)生存率提升（γp=0.97）時， 貨幣政策1%的負(fù)向沖擊導(dǎo)致兩類企業(yè)特別是民營企業(yè)產(chǎn)出增加， 總產(chǎn)出增加幅度更大（實(shí)線）。財政政策效果類似： 由于民營企業(yè)生存率提升， 財政支出增加總需求， 1%的正向沖擊導(dǎo)致總產(chǎn)出增加， 且民營企業(yè)生存率較高時產(chǎn)出增加幅度較大（圖6）。綜上可知， 金融科技緩解了民營企業(yè)融資難、 流動性緊張問題， 提高了民營企業(yè)生存率， 因而增加了社會投資和需求， 提升了“穩(wěn)增長”政策的調(diào)控效果。

3. 提升企業(yè)生產(chǎn)效率。金融科技能促進(jìn)企業(yè)加強(qiáng)內(nèi)部管理， 增強(qiáng)企業(yè)創(chuàng)新能力和管理決策水平， 從而提高國有企業(yè)和民營企業(yè)全要素生產(chǎn)率。此時金融科技深化可以用兩類企業(yè)生產(chǎn)率沖擊代替， 即：

通過放松國有企業(yè)生產(chǎn)率與民營企業(yè)生產(chǎn)率的倍數(shù)約束， 分別對兩類企業(yè)生產(chǎn)率施加沖擊， 再次模擬總產(chǎn)出變動（圖7）。當(dāng)金融科技應(yīng)用導(dǎo)致國有企業(yè)全要素生產(chǎn)率提高時， 國有企業(yè)產(chǎn)出增加， 民營企業(yè)產(chǎn)出減少； 民營企業(yè)全要素生產(chǎn)率提高時， 民營企業(yè)產(chǎn)出增加， 國有企業(yè)產(chǎn)出減少?？梢?， 由于資源的有限性， 兩類企業(yè)之間存在擠出效應(yīng)； 但由于民營企業(yè)生產(chǎn)率高于國有企業(yè)， 生產(chǎn)率提高導(dǎo)致總產(chǎn)出增加的幅度更大、 速度更快。考慮到銀行對國有企業(yè)的融資很大程度上依賴于政府隱性擔(dān)保和抵押物， 金融科技應(yīng)用更多地與中小民營企業(yè)信貸等普惠金融業(yè)務(wù)有關(guān)， 因此金融科技應(yīng)用對中小民營企業(yè)生產(chǎn)率提升作用更大， 在促進(jìn)民營企業(yè)發(fā)展、 增加總產(chǎn)出方面發(fā)揮了顯著作用。

以上結(jié)果表明， 金融科技的應(yīng)用可以從三個方面減輕國有企業(yè)和民營企業(yè)的信貸錯配， 降低非金融企業(yè)部門杠桿率風(fēng)險： 一是降低中小民營企業(yè)融資溢價， 使經(jīng)濟(jì)體在面對不利外部沖擊時產(chǎn)出下降幅度更小， 增強(qiáng)抵御風(fēng)險的能力； 二是提高中小民營企業(yè)生存率， 使擴(kuò)張性貨幣政策和擴(kuò)張性財政政策對產(chǎn)出的提升幅度更大， 增強(qiáng)“穩(wěn)增長”政策的有效性； 三是提高兩類企業(yè)生產(chǎn)率， 從而提高全社會產(chǎn)出， 其中對民營企業(yè)總產(chǎn)出的提升引發(fā)的總產(chǎn)出增長更為顯著。

五、 研究結(jié)論和政策含義

（一）研究結(jié)論

近年來， 金融科技迅速發(fā)展， 并在緩解企業(yè)融資約束、 促進(jìn)企業(yè)創(chuàng)新方面發(fā)揮了重要作用。本文梳理了金融科技增加中小民營企業(yè)融資、 減輕國有企業(yè)和民營企業(yè)信貸錯配的作用機(jī)理， 構(gòu)建了包含信貸錯配特征的DSGE模型， 研究了金融科技對非金融企業(yè)部門杠桿率風(fēng)險的影響， 最終得到一些有意義的結(jié)論。一是， 我國非金融企業(yè)部門杠桿率風(fēng)險主要表現(xiàn)為在信貸錯配下， 不利沖擊對經(jīng)濟(jì)總產(chǎn)出的負(fù)面影響較大， 而“穩(wěn)增長”政策對總產(chǎn)出的拉動作用較小。防范化解非金融企業(yè)部門杠桿率風(fēng)險并實(shí)現(xiàn)“穩(wěn)增長”“穩(wěn)杠桿”的目標(biāo)， 關(guān)鍵在于加大銀行對中小民營企業(yè)的信貸支持、 減輕信貸錯配。二是， 金融科技的深入應(yīng)用能緩解非金融企業(yè)部門杠桿率風(fēng)險， 其作用機(jī)理是降低中小民營企業(yè)融資溢價、 提高中小民營企業(yè)生存率和生產(chǎn)效率。DSGE模型模擬顯示， 在考慮金融科技影響后， 國有企業(yè)和民營企業(yè)“二元”結(jié)構(gòu)導(dǎo)致的信貸錯配有所減輕， 經(jīng)濟(jì)體面對不利沖擊時總產(chǎn)出下降幅度減小、 經(jīng)濟(jì)韌性增強(qiáng)， “穩(wěn)增長”政策對總產(chǎn)出的拉動作用也有所提升。

（二）政策含義

本研究具有比較重要的政策含義。當(dāng)前政策目標(biāo)中， 防范化解非金融企業(yè)部門杠桿率風(fēng)險和穩(wěn)住經(jīng)濟(jì)大盤是相互統(tǒng)一的， 核心在于加大對中小民營企業(yè)的信貸支持， 保住市場主體、 保護(hù)經(jīng)濟(jì)韌性， 而金融科技在其中能夠發(fā)揮重要作用。金融監(jiān)管部門應(yīng)當(dāng)持續(xù)推動金融科技應(yīng)用深化、 促進(jìn)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型， 推動銀行加大民營企業(yè)信貸支持、 防范化解非金融企業(yè)債務(wù)風(fēng)險， 增強(qiáng)“穩(wěn)增長”政策有效性。

【 注 釋 】

1參見https：//www.chineseafs.org/ckynewsmgr/newsContent_queryOneNewsRecord？retVal = cnzkcgxw&zyflag = 1&searchFlag = 2&newsid = 0720223910_42791542。

2參見http：//www.pbc.gov.cn/goutongjiaoliu/113456/113469/4030508/index.html。

【 主 要 參 考 文 獻(xiàn) 】

黃浩．?dāng)?shù)字金融生態(tài)系統(tǒng)的形成與挑戰(zhàn)——來自中國的經(jīng)驗(yàn)［ J］．經(jīng)濟(jì)學(xué)家，2018（4）：80 ～ 85．

黃益平，黃卓．中國的數(shù)字金融發(fā)展：現(xiàn)在與未來［ J］．經(jīng)濟(jì)學(xué)（季刊），2018（4）：1489 ～ 1502．

李春濤，閆續(xù)文，宋敏，楊威．金融科技與企業(yè)創(chuàng)新——新三板上市公司的證據(jù)［ J］．中國工業(yè)經(jīng)濟(jì)，2020（1）：81 ～ 98．

李天宇，王曉娟．?dāng)?shù)字經(jīng)濟(jì)賦能中國“雙循環(huán)”戰(zhàn)略：內(nèi)在邏輯與實(shí)現(xiàn)路徑［ J］．經(jīng)濟(jì)學(xué)家，2021（5）：102 ～ 109．

劉一楠，宋曉玲．去杠桿、信貸抵押約束與“債務(wù)—通縮”風(fēng)險［ J］．金融經(jīng)濟(jì)學(xué)研究，2018（3）：43 ～ 56．

劉一楠，王亮．內(nèi)生的杠桿閾值、金融加速器與宏觀經(jīng)濟(jì)波動——基于動態(tài)隨機(jī)一般均衡模型（DSGE）的分析［ J］．南方經(jīng)濟(jì)，2018（12）：57 ～ 77．

馬紅，李小萍．?dāng)?shù)字金融與企業(yè)創(chuàng)新風(fēng)險——基于制度背景因素的再檢驗(yàn)［ J］．財會月刊，2022（14）：62 ～ 71．

馬勇，田拓，阮卓陽，朱軍軍．金融杠桿、經(jīng)濟(jì)增長與金融穩(wěn)定［ J］．金融研究，2016（6）：37 ～ 51．

孟娜娜，粟勤．?dāng)D出效應(yīng)還是鯰魚效應(yīng)：金融科技對傳統(tǒng)普惠金融影響研究［ J］．現(xiàn)代財經(jīng)，2020（1）：56 ～ 70．

聶輝華，江艇，張雨瀟，方明月．中國僵尸企業(yè)研究報告——現(xiàn)狀、原因和對策［R］．人大國發(fā)院系列報告年度研究報告，2016．

任碧云，鄭宗杰．金融科技對商業(yè)銀行風(fēng)險承擔(dān)的影響——基于商業(yè)銀行信貸結(jié)構(gòu)的視角［ J］．貴州財經(jīng)大學(xué)學(xué)報，2021（5）：61 ～ 69．

盛天翔，范從來．金融科技、最優(yōu)銀行業(yè)市場結(jié)構(gòu)與小微企業(yè)信貸供給［ J］．金融研究，2020（6）：114 ～ 132．

唐松，賴曉冰，黃銳．金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進(jìn)還是抑制？——理論分析框架與區(qū)域?qū)嵺`［ J］．中國軟科學(xué)，2019（7）：134 ～ 144．

唐松，伍旭川，祝佳．?dāng)?shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識別與金融監(jiān)管下的效應(yīng)差異［ J］．管理世界，2020（5）：52 ～ 66．

王平，王凱.數(shù)字金融與企業(yè)創(chuàng)新產(chǎn)出——基于民營上市公司逆向混改的調(diào)節(jié)效應(yīng)［ J］．財會月刊，2022（17）：114 ～ 121．

伍戈，李斌．貨幣數(shù)量、利率調(diào)控與政策轉(zhuǎn)型［M］．北京：中國金融出版社，2016．

肖宇，李詩林，梁博．新冠肺炎疫情沖擊下的銀行業(yè)金融科技應(yīng)用：理論邏輯、實(shí)踐特征與變革路徑［ J］．金融經(jīng)濟(jì)學(xué)研究，2020（3）：90 ～ 103．

余雪飛，宋清華．“二元”信貸錯配特征下的金融加速器效應(yīng)研究——基于動態(tài)隨機(jī)一般均衡模型的分析［ J］．當(dāng)代財經(jīng)，2013（4）：48 ～ 58．

中國人民銀行營業(yè)管理部課題組．預(yù)算軟約束、融資溢價與杠桿率——供給側(cè)結(jié)構(gòu)性改革的微觀機(jī)理與經(jīng)濟(jì)效應(yīng)研究［ J］．經(jīng)濟(jì)研究，2017（10）：53 ～ 66．

鐘寧樺，劉志闊，何嘉鑫，蘇楚林．我國企業(yè)債務(wù)的結(jié)構(gòu)性問題［ J］．經(jīng)濟(jì)研究，2016（7）：102 ～ 117.

Arcand J. L.，Berkes E.， Panizza U..Too Much Finance？［R］． IMF Working Papers，2012．

Calvo G. A.. Staggered Prices in a Utility-maximizing Framework［ J］． Journal of Monetary Economics，1983（3）：383 ～ 398．

Christensen I.，Dib A..The Financial Accelerator in an Estimated New Keynesian Model［ J］．Review of Economic Dynamics，2008（1）：155 ～ 178．

Demertzis M.，Merler S.，Wolff G. B.. Capital Markets Union and the Fintech Opportunity［ J］．Journal of Financial Regulation，2018（1）：157 ～ 165．

Gomber P.，Kauffman R. J.， Parker C.. On the Fintech Revolution：Interpre-ting the Forces of Innovation， Disruption and Transformation in Financial Services［ J］． Journal of Management Information Systems，2018（35）：220 ～ 265．

Martin A.，Ventura J.. Economic Growth with Bubbles［ J］． American Economic Review，2012（6）：3033 ～ 3058．

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

Norden L.， Buston C. S.， Wagner W.. Financial Innovation and Bank Behavior：Evidence from Credit Markets［ J］．Journal of Economic Dynamics and Control，2014（43）：130 ～ 145．

Reinhart C.， Rogoff K.. This Time Is Different：Eight Centuries of Financial Folly［M］．Princeton， New Jersey： Princeton University Press，2009．

Sutherland A.. Does Credit Reporting Lead to a Decline in Relationship Lending？ Evidence from Information Sharing Technology［ J］．Journal of Accoun-ting＆Economics，2018（66）：123 ～ 141．

（責(zé)任編輯·校對： 劉鈺瑩? 羅萍）

【基金項目】國家自然科學(xué)基金面上項目“新時期中國知識資本導(dǎo)向型跨境并購研究”（項目編號：72173067）