目 錄Contents

專家視點 · Expert View

03 我國銀行支持科創(chuàng)企業(yè)發(fā)展的現(xiàn)狀、問題和建議

張雪春 蘇乃芳

人民幣國際化 · RMB Internationalization

09 境內(nèi)外人民幣外匯市場的多階矩風險溢出效應(yīng)研究

楊玲玲 湯磊

綠色經(jīng)濟 · Green Economy

20 綠色金融、資金配置與城市綠色創(chuàng)新

黃紀強 鄭鏗城

投資證券保險 · Investment Stock & Insurance

28 中小股東“股利關(guān)注”與上市公司現(xiàn)金股利分配

——來自交易所互動平臺的證據(jù)

白俊 李婷玉 楊茜雅

全國中文核心期刊 湖北省優(yōu)秀期刊

W U H A N F I N A N C E

2023 9

總 第 285 期

本刊從未委托任何單位或個人征集

稿件，刊發(fā)文章不收取任何費用。

本刊與中國知網(wǎng)、萬方數(shù)據(jù)、維普數(shù)

據(jù)等網(wǎng)站有合作，作者投稿一經(jīng)本刊

采用，如無特別聲明，均視為同意接

受以上網(wǎng)站的數(shù)字傳播與發(fā)行。

本刊版權(quán)屬《武漢金融》雜志社所有，

其他媒體轉(zhuǎn)載本刊文章，須注明“摘

自《武漢金融》”字樣，否則即侵權(quán)。

本刊謝絕一稿多投；文責自負。

■

■

■

■

本刊聲明

主 編 曾 濤

副 主 編 胡 德

執(zhí)行副主編 陳 波

主 任 高文麗

值 班 主 任 熊 源

廣告部主任 吳俊偉

法 律 顧 問 瞿森垓

技 術(shù) 編 輯 鄧雅娜 胡松林 蒿倩文

普惠金融 · Financial Inclusion

38 數(shù)字金融對縣域銀行競爭的影響

——基于空間溢出效應(yīng)視角

郭娜 曹琳琳 馬亞楠

45 數(shù)字普惠金融對居民消費升級的影響研究

郭琛 蔡嘉偉 艾馬

經(jīng)濟縱橫 · Economic Review

53 數(shù)字化轉(zhuǎn)型與企業(yè)異地并購

——基于融資約束和信息不對稱的視角

于明濤 剛浩

62 管理層短視、數(shù)字化轉(zhuǎn)型與企業(yè)透明度

邢洋 馬千惠 肖有智

70 董事會特征對環(huán)境信息披露的影響

邵鵬 易薇

企業(yè)金融化 · Enterprise Financialization

78 企業(yè)金融化對創(chuàng)新活動的影響：作用機理與實證分析

李健 劉容秀

主管單位：中國人民銀行武漢分行

主辦單位：中國金融學會

《武漢金融》雜志社

出版單位：《武漢金融》編輯部

發(fā)行單位：武漢長融傳媒有限責任公司

國際標準刊號：ISSN1009-3540

國內(nèi)統(tǒng)一刊號：CN42-1593/F

封面題字：中國書法家協(xié)會鐘鳴天理事

印刷單位：武漢新鴻業(yè)印務(wù)有限公司

廣告許可證號：4201004001161

每冊定價：23.00元

編輯部電話：（027）87327462

發(fā)行部電話：（027）87327153

廣告部電話：（027）87327290

本刊地址：武漢市武昌中南路69號

郵 編：430071

投稿平臺：http：//yhqy.cbpt.cnki.net

本刊編委會（以姓氏筆畫為序）

顧 問 王 信

主 任 林建華

編 委

鄧 紅 毛衛(wèi)東 王廣幼 王恭敬

厲文世 葉圣利 葉未明 白 凱

白俊偉 馮 春 江文波 劉方明

劉元瑞 劉 波 劉秉文 劉學生

閔乙鐸 張小春 張文濤 張雪松

李少民 李 民 李 征 楊 建

楊寶宏 吳少新 余明桂 陳志猛

陳建新 陳婉青 宋清華 周永華

周誠君 單增建 趙 軍 俞 群

徐長生 陶建全 黃 憲 黃 鶴

曾 亮 譚夢湘 魏 超

一、引言

加強科創(chuàng)企業(yè)的金融支持對于推動經(jīng)濟高質(zhì)量

發(fā)展具有重要作用。黨的二十大報告指出，要“完善

科技創(chuàng)新體系，堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中

的核心地位”。科創(chuàng)企業(yè)作為科技創(chuàng)新的主力，對于

推動我國成為創(chuàng)新型國家發(fā)揮著重要的作用?？萍?/p>

創(chuàng)新離不開金融體系的支持，構(gòu)建促進科創(chuàng)企業(yè)發(fā)

展的金融支持體系，對于推動企業(yè)科技創(chuàng)新，提高國

家核心競爭力，推動經(jīng)濟高質(zhì)量發(fā)展至關(guān)重要。我

國銀行貸款在社會融資中占據(jù)主導地位。與風險投

資、資本市場相比，我國銀行體系具有更雄厚的資金

實力、更廣泛的客戶群體、更專業(yè)的管理團隊，是我

國科創(chuàng)金融中最重要的組成部分。

從 1985 年中國人民銀行發(fā)文鼓勵商業(yè)銀行開

展科技信貸業(yè)務(wù)開始，四十多年來我國銀行的科技

信貸經(jīng)歷了從地方性探索到全國推廣、從政策主導

到市場化發(fā)展、從單一模式到多種類型的銀行科技

服務(wù)模式等多個發(fā)展階段。目前，我國銀行貸款約

占高新技術(shù)企業(yè)融資總額的60%[1]

。案例分析表明，

盡管我國銀行在科技信貸產(chǎn)品、服務(wù)和機制等多個

方面不斷升級，但仍存在不足，主要體現(xiàn)為銀行的低

風險偏好與科創(chuàng)企業(yè)的高風險特征之間失衡導致的

銀行“不敢貸、不能貸、不愿貸”，短期貸款占比高、缺

乏中長期資金支持導致結(jié)構(gòu)性失衡，以及中介機構(gòu)、

擔保增信、信用評估體系不完善等問題。這些都限

制了科技信貸的進一步發(fā)展。

本文在對國際經(jīng)驗進行系統(tǒng)梳理的基礎(chǔ)上，梳

理了我國科技信貸發(fā)展的歷程和現(xiàn)狀，分析了我國

科技信貸的發(fā)展特點和存在的問題，為進一步完善

我國科技信貸體系，加強對科創(chuàng)企業(yè)的金融支持提

出政策建議。

二、美國硅谷銀行經(jīng)驗

美國硅谷銀行（SiliconValleyBank，SVB）成立于

1983 年，創(chuàng)立初衷是服務(wù)初創(chuàng)的高科技企業(yè)，為其

摘 要：銀行是我國科創(chuàng)金融體系中最重要的部分，完善科技信貸對于支持科創(chuàng)企業(yè)發(fā)展具有重要作用。從國際經(jīng)驗看，美國硅谷

銀行以其專業(yè)化、多樣化和系統(tǒng)性的服務(wù)模式，曾為美國高科技企業(yè)提供了重要的資金支持，在很大程度上推動了美國的科技創(chuàng)新。我

國銀行的科技信貸經(jīng)歷了從地方性探索到全國推廣、從政策主導到市場化發(fā)展、從單一模式到多種創(chuàng)新模式的發(fā)展歷程，銀行貸款約占

高新技術(shù)企業(yè)融資的 60%。盡管我國銀行科技信貸在產(chǎn)品、服務(wù)和機制等多個方面加強創(chuàng)新，并探索出多種服務(wù)模式，但仍存在不足之

處，主要體現(xiàn)為銀行的低風險偏好與科創(chuàng)企業(yè)的高風險特征之間失衡導致的銀行“不敢貸、不能貸、不愿貸”，銀行短期貸款占比高、缺乏

中長期資金支持導致結(jié)構(gòu)性失衡，以及中介機構(gòu)、擔保增信、信用評估體系不完善等問題。未來，應(yīng)進一步建立適應(yīng)科技創(chuàng)新行業(yè)融資的

體制機制、推進信息服務(wù)平臺等金融中介建設(shè)、完善科創(chuàng)企業(yè)的風險補償機制，加強對科創(chuàng)企業(yè)的金融支持。

關(guān)鍵詞：科創(chuàng)金融；科技信貸；科技銀行；科創(chuàng)企業(yè)；金融支持

中圖分類號：F832.46 文獻標識碼：A 文章編號：1009-3540（2023）09-0003-0006

■ 張雪春 蘇乃芳

作者簡介：張雪春（1969—），女，博士，供職于中國人民銀行研究局； 蘇乃芳（1985—），女，博士，供職于中國人民銀行金融研究所。本文

僅為作者個人觀點，不代表所在單位意見。

我國銀行支持科創(chuàng)企業(yè)發(fā)展的

現(xiàn)狀、問題和建議

專家視點 Expert View

03

2023年第9期 WUHAN

FINANCE

提供銀行貸款等金融服務(wù)。1992年，硅谷銀行創(chuàng)新

性地提出：“硅谷銀行就是為硅谷而服務(wù)的銀行”，并

明確了硅谷銀行的服務(wù)對象為科技企業(yè)。這一創(chuàng)新

型經(jīng)營戰(zhàn)略把硅谷銀行的市場目標定位于新設(shè)立

的、發(fā)展迅速但是風險很大的中小企業(yè)。由此，硅谷

銀行提高了對科技與生命科學等高新技術(shù)產(chǎn)業(yè)的投

入。硅谷銀行2022年年報顯示，硅谷銀行總資產(chǎn)為

2118億美元，是美國第十六大商業(yè)銀行。硅谷銀行

在很大程度上支持了美國高科技企業(yè)的發(fā)展，其主

要特點包括以下三個方面：

第一，聚焦科技創(chuàng)新細分領(lǐng)域，提供專業(yè)化服

務(wù)。硅谷銀行明確其服務(wù)對象為軟件及硬件、生命

科學和醫(yī)療等幾大產(chǎn)業(yè)，并專門成立由資深業(yè)界專

家組成的風控及評估團隊，解決了傳統(tǒng)銀行專業(yè)人

員不足、甄別企業(yè)發(fā)展?jié)摿陀行Э刂骑L險難度大

的問題，降低了銀行與企業(yè)之間的信息不對稱，提高

了自身的議價能力和風險控制能力。通過專業(yè)化管

理，硅谷銀行極大地提高了在部分細分領(lǐng)域的覆蓋

率。2022年，風投基金支持的科技和醫(yī)療創(chuàng)業(yè)公司

IPO中，44%是硅谷銀行的客戶。

第二，與風險投資機構(gòu)合作，創(chuàng)新投貸聯(lián)動等多

樣化商業(yè)模式。硅谷銀行選擇全美排名前500的風

險投資機構(gòu)進行深度合作。例如，硅谷銀行創(chuàng)新性

地開發(fā)了名為“快速啟動”（Quick Start Package）的信

貸產(chǎn)品，即任何項目只要獲得了排名前25位的風險

投資的資金投入，并附帶一定的認股權(quán)證，都可以在

硅谷銀行申請到貸款，期限為18個月，額度為45萬

美元，利率在基準利率基礎(chǔ)上上浮兩個百分點。這

種“一刀切”（one-size-fits-allfinancing）的金融服務(wù)

以簡單、快捷的流程迅速打開市場。同時，硅谷銀行

還成為風險投資機構(gòu)的開戶行并提供多種商業(yè)銀行

服務(wù)，或直接投資于這些風險投資機構(gòu)成為其合伙

人，或作為風險投資機構(gòu)的GP或者LP參與投資。

第三，為企業(yè)提供多元化系統(tǒng)性服務(wù)，延伸服務(wù)

鏈條。在向創(chuàng)業(yè)企業(yè)提供貸款或其他服務(wù)后，硅谷

銀行仍與風投機構(gòu)持續(xù)關(guān)注企業(yè)的盈利能力及經(jīng)營

狀況，并提供管理培訓、業(yè)務(wù)培訓、資金支持等多元

化服務(wù)，幫助改善創(chuàng)業(yè)企業(yè)經(jīng)營狀況。由于初創(chuàng)科

技型企業(yè)大多具有輕資產(chǎn)、重科技的特點，硅谷銀行

接受科技創(chuàng)新企業(yè)的專利技術(shù)抵押，一旦企業(yè)經(jīng)營

狀況惡化、違約風險增加，硅谷銀行可通過打包出售

質(zhì)押的專利技術(shù)來獲得一定補償，減少壞賬損失。

然而，2023 年 3 月 10 日，硅谷銀行宣布破產(chǎn)倒

閉，其主要原因在于客戶結(jié)構(gòu)單一。2022 年，硅谷

銀行存款中約80%來自創(chuàng)投機構(gòu)和科創(chuàng)企業(yè)，貸款

中約80%投向創(chuàng)投機構(gòu)和科創(chuàng)企業(yè)，資產(chǎn)和負債結(jié)

構(gòu)都較為脆弱[2]

。在美聯(lián)儲持續(xù)加息的影響下，創(chuàng)

投機構(gòu)和科創(chuàng)企業(yè)盈利下降，風險迅速向硅谷銀行

傳染，導致其破產(chǎn)。硅谷銀行雖然破產(chǎn)，但其服務(wù)科

創(chuàng)企業(yè)的成功經(jīng)驗值得借鑒。盡管短期來看科創(chuàng)行

業(yè)遭遇寒冬，但長期看科創(chuàng)行業(yè)仍有較高的增長前

景，因此硅谷銀行的科創(chuàng)領(lǐng)域客戶群體具有重要的

價值。2023年3月27日，第一公民銀行宣布收購硅

谷銀行，這有利于第一公民銀行借助硅谷銀行在科

創(chuàng)領(lǐng)域的優(yōu)勢，逐步滲透到創(chuàng)投和科創(chuàng)領(lǐng)域。

三、我國科技信貸的基本情況

（一）我國科技信貸發(fā)展歷程

我國科技信貸經(jīng)歷了從政策主導到市場化的發(fā)

展歷程。1985年，中國人民銀行發(fā)文鼓勵商業(yè)銀行

開展科技信貸業(yè)務(wù)，自此我國商業(yè)銀行等金融機構(gòu)

開始不斷探索和完善金融支持科技企業(yè)發(fā)展的路

徑，推動科技產(chǎn)業(yè)與金融發(fā)展相融合。2006 年，國

務(wù)院發(fā)布《實施〈國家中長期科學和技術(shù)發(fā)展規(guī)劃綱

要（2006—2020年）〉的若干配套政策》，明確提出了

支持科技自主創(chuàng)新的七條金融政策。2019年，原中

國銀保監(jiān)會和科技部聯(lián)合發(fā)布《關(guān)于進一步加大對

科技型中小企業(yè)信貸支持的指導意見》，從宏觀層面

引領(lǐng)了科技金融工作的開展。在此基礎(chǔ)上，我國商

業(yè)銀行結(jié)合我國市場特點積極探索支持科創(chuàng)企業(yè)發(fā)

展的可行模式，并在組織架構(gòu)創(chuàng)新上進行了有益嘗

試[3]

。通過歷史梳理發(fā)現(xiàn)，我國科技信貸的發(fā)展分

為以下幾個階段：

一是萌芽階段（1980—1984 年），地方性探索。

1980年7月，浙江省科委通過中國人民建設(shè)銀行浙

江省分行向科研單位發(fā)放有償科研經(jīng)費，首次將銀

行機制引入科研經(jīng)費配置過程中。1983—1984年，湖

南、青海、西安、大連等省市進行了科技貸款的探索。

二是初步發(fā)展階段（1984—1989年），中國工商

銀行在全國開展科技貸款。1984 年 8 月 30 日發(fā)布

了《中國工商銀行關(guān)于科研開發(fā)和新產(chǎn)品試制開發(fā)

貸款的暫行規(guī)定》，明確工商銀行在全國范圍內(nèi)開展

科技貸款。1985年10月7日發(fā)布了《中國人民銀行、

國務(wù)院科技領(lǐng)導小組辦公室關(guān)于積極開展科技信貸

04

的聯(lián)合通知》，規(guī)定“各專業(yè)銀行和其他金融機構(gòu)，要

在其核定的信貸計劃總量范圍內(nèi)，調(diào)劑一部分貸款，

積極支持科技事業(yè)的發(fā)展”。這標志著科技貸款有

了國家層面的政策支持。

三是高速發(fā)展階段（1990—1997年），信貸風險

提高。中國人民銀行從1990年開始在國家信貸綜合

計劃中增設(shè)科技開發(fā)貸款項目，各銀行科技貸款的

規(guī)模大幅增加。1996 年工商銀行共發(fā)放科技貸款

85億元，較1990年增長2.10倍。在貸款規(guī)模高速增

長的同時，科技貸款的風險也不斷增加。例如，1994

年6月末，湖南省科技開發(fā)貸款中逾期貸款、呆滯貸

款、呆賬貸款占比分別為19.14%、7.76%和1.91%。

四是調(diào)整階段（1998—2005年），市場化程度提

高。隨著1998年人民銀行貸款規(guī)模管理的取消以

及國有商業(yè)銀行改革的加快推進，前一階段積累的

科技貸款風險得以化解，銀行不斷探索科技貸款機

制、內(nèi)涵和供給主體的創(chuàng)新。在機制方面，銀行不斷

加強風險約束機制，科技部門對科技貸款的影響大

幅削弱。在內(nèi)涵方面，銀行從關(guān)注國有科技企業(yè)或

科研院所轉(zhuǎn)向更多關(guān)注科技型中小企業(yè)。在供給主

體方面，商業(yè)銀行對科技貸款的支持力度減弱，政策

性銀行（主要是國家開發(fā)銀行）對科技貸款支持力度

增強。

五是再發(fā)展階段（2006—2016年），探索多種服

務(wù)模式。2005年末和2006年初先后發(fā)布的《國家中

長期科學和技術(shù)發(fā)展規(guī)劃綱要（2006—2020年）》和

《國務(wù)院關(guān)于實施〈國家中長期科學和技術(shù)發(fā)展規(guī)劃

綱要（2006—2020 年）〉若干配套政策的通知》開啟

了科技貸款的再發(fā)展階段，以國家開發(fā)銀行為代表

的開發(fā)性金融迅速發(fā)展，科技支行模式在全國開始

探索，科技小額貸款公司不斷涌現(xiàn)。

六是創(chuàng)新階段（2016 年至今），提升服務(wù)、機制

和產(chǎn)品創(chuàng)新。2016年8月，國務(wù)院正式印發(fā)《“十三

五”國家科技創(chuàng)新規(guī)劃》，明確提出加強對創(chuàng)新創(chuàng)業(yè)

的金融支持。全國各地紛紛加大信貸支持創(chuàng)新力

度，優(yōu)化科技企業(yè)融資環(huán)境。一是健全科技金融專

營服務(wù)體系。各地通過設(shè)立科技銀行分支行，配備

科技金融專業(yè)人員等方式增強科技金融服務(wù)專屬

性。二是創(chuàng)新科技金融產(chǎn)品。各銀行針對科技型企

業(yè)輕資產(chǎn)、高發(fā)展、重創(chuàng)新的特點，加強金融產(chǎn)品創(chuàng)

新。銀行信用貸款和知識產(chǎn)權(quán)質(zhì)押貸款比重不斷加

大，股權(quán)質(zhì)押、保單、倉單和訂單等金融創(chuàng)新產(chǎn)品不

斷涌現(xiàn)。三是探索投貸聯(lián)動模式。2016年4月，原

中國銀監(jiān)會、科技部、中國人民銀行聯(lián)合發(fā)布《關(guān)于

支持銀行業(yè)金融機構(gòu)加大創(chuàng)新力度開展科創(chuàng)企業(yè)投

貸聯(lián)動試點的指導意見》（以下簡稱《指導意見》），啟

動銀行業(yè)投貸聯(lián)動試點工作。推動試點銀行加快完

善投貸聯(lián)動組織架構(gòu)設(shè)置、業(yè)務(wù)管理與機制建設(shè)，積

極支持科創(chuàng)企業(yè)發(fā)展。

（二）各地積極探索多種發(fā)展模式

經(jīng)過對安徽、上海、陜西和北京等多地的調(diào)研發(fā)

現(xiàn)，各地基于自身特點，探索了多種科技信貸模式。

工商銀行：科技金融創(chuàng)新服務(wù)中心模式。2021

年9月，工商銀行與科技部火炬中心聯(lián)合在10家國

家高新區(qū)內(nèi)建設(shè)科技金融創(chuàng)新服務(wù)中心，例如在合

肥高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)開設(shè)合肥科技支行、在中關(guān)

村科技園區(qū)開設(shè)北京中關(guān)村支行等。針對國家高新

區(qū)創(chuàng)新發(fā)展的特點，工商銀行為高新區(qū)提供差異化

服務(wù)產(chǎn)品和配套資源。同時，工商銀行還積極推動

各分支行加強與國家高新區(qū)的合作，完善產(chǎn)業(yè)鏈供

應(yīng)鏈金融服務(wù)，不斷探索投貸聯(lián)動業(yè)務(wù)模式，形成綜

合金融服務(wù)方案。此外，工商銀行還創(chuàng)設(shè)“企業(yè)創(chuàng)新

積分制”等工具，幫助準確評價企業(yè)的創(chuàng)新能力，對

篩選出來的創(chuàng)新能力強、成長潛力大的初創(chuàng)企業(yè)，提

供定制化金融產(chǎn)品和多元化增值服務(wù)，并推出“創(chuàng)新

積分貸”等專屬信貸產(chǎn)品，滿足科創(chuàng)企業(yè)融資需求。

漢口銀行：投貸聯(lián)動模式。漢口銀行于2016年

4 月正式開展投貸聯(lián)動業(yè)務(wù)。截至 2022 年 6 月末，

漢口銀行服務(wù)科技企業(yè)超過4000家，其服務(wù)特點包

括四個方面。一是“債權(quán)+股權(quán)”相結(jié)合。漢口銀行

重點服務(wù)發(fā)展初期、成長潛力較突出的科技企業(yè)，采

取“債權(quán)+股權(quán)”的綜合服務(wù)模式。二是全生命周期

的差異化綜合服務(wù)。漢口銀行針對不同客戶特點，

通過開展先投后貸、先貸后投、投貸結(jié)合、選擇權(quán)貸

款、顧問咨詢等業(yè)務(wù)，提升服務(wù)企業(yè)的效率。三是合

作開展產(chǎn)品創(chuàng)新。漢口銀行與政府、擔保機構(gòu)合作

推出風險分擔產(chǎn)品“科擔貸”，與武漢市科技局、保險

公司合作推出保證保險類產(chǎn)品“科保貸”，與券商合

作推出信用類產(chǎn)品“三板通”“科創(chuàng)上市貸”，并積極

為輕資產(chǎn)的中早期科創(chuàng)企業(yè)提供法人保證、關(guān)聯(lián)公

司保證、知識產(chǎn)權(quán)質(zhì)押、股權(quán)質(zhì)押等準信用擔保的信

貸產(chǎn)品。

杭州銀行：科技支行模式。針對長三角地區(qū)科

創(chuàng)企業(yè)蓬勃發(fā)展的特點，2009年杭州銀行成立了科

專家視點 Expert View

05

2023年第9期 WUHAN

FINANCE

技支行，積極推動科創(chuàng)金融組織創(chuàng)新和產(chǎn)品創(chuàng)新。

一方面，杭州銀行明確“4+4+N”，即北京、上海、深

圳、杭州四大中心，南京、合肥、寧波、嘉興四個區(qū)域

專營機構(gòu)，以及N個特色團隊的組織架構(gòu)，設(shè)立了科

創(chuàng)專業(yè)營銷機構(gòu)和專業(yè)管理與服務(wù)支撐部門。另一

方面，杭州銀行建立科創(chuàng)企業(yè)成長性評價模型、持續(xù)

開發(fā)優(yōu)化科技金融專項產(chǎn)品，結(jié)合發(fā)明專利、版權(quán)質(zhì)

押等國家政策導向，探索專屬化產(chǎn)品，重點為生物醫(yī)

藥、醫(yī)療器械、芯片設(shè)計等行業(yè)進行融資，更好地滿

足科技文創(chuàng)企業(yè)不同時期發(fā)展特點和核心需求。

浦發(fā)硅谷銀行：科創(chuàng)金融生態(tài)系統(tǒng)模式。浦發(fā)

硅谷銀行參考硅谷銀行的模式為中國高科技企業(yè)提

供金融服務(wù)，主要有以下特點：一是聚焦專業(yè)細分賽

道的目標客戶群。浦發(fā)硅谷銀行的客戶群主要是高

科技企業(yè)及風投機構(gòu)投資的企業(yè)，包括醫(yī)療健康、企

業(yè)服務(wù)、半導體集成電路技術(shù)、人工智能與大數(shù)據(jù)、

金融科技、智能制造、新消費和產(chǎn)業(yè)互聯(lián)網(wǎng)等八大行

業(yè)，通過挖掘及積累相應(yīng)人脈，深度聚焦產(chǎn)業(yè)發(fā)展。

二是打造科創(chuàng)金融生態(tài)系統(tǒng)。浦發(fā)硅谷銀行與超過

100 家頭部投資機構(gòu)建立了深度合作關(guān)系，并與科

技園、孵化器、政府機構(gòu)和銀行等多部門開展了全方

位的多渠道合作，逐漸建立起一個跨區(qū)域、跨行業(yè)的

科創(chuàng)金融生態(tài)系統(tǒng)。三是實行高標準的貸前和貸后

管理。浦發(fā)硅谷銀行通過在貸前科學評估計算授信

額度，并結(jié)合科創(chuàng)企業(yè)所處發(fā)展階段及目前獲得的

融資情況等，綜合各方數(shù)據(jù)得出授信額度。此外，浦

發(fā)硅谷銀行通過監(jiān)測企業(yè)資金流動、跟蹤企業(yè)發(fā)展

狀況等，及時了解企業(yè)經(jīng)營情況及盈利能力。

（三）銀行是我國科創(chuàng)企業(yè)外源融資的主要提供者

我國企業(yè)融資方式總體來說可以分為內(nèi)源融資

和外源融資。外源融資包括銀行貸款、非標融資、債

券融資、股權(quán)融資等[4]

?？傮w來看，銀行貸款占企業(yè)

外源融資的60%左右。通過觀察社會融資規(guī)模分析

企業(yè)的融資結(jié)構(gòu)，2022年末我國社會融資規(guī)模存量

為344.21萬億元，其中銀行貸款、非標融資、債券融

資以及股權(quán)融資占比分別為62％、23％、9％和6％。

基于戰(zhàn)略性新興產(chǎn)業(yè)的上市企業(yè)財務(wù)分析顯

示，除股權(quán)融資和內(nèi)源融資外，銀行貸款在這類企業(yè)

融資中占比為 36.6%?；谏鲜衅髽I(yè)的財務(wù)報表，

通過行業(yè)分類匹配得到5189個上市企業(yè)中共3511

家屬于戰(zhàn)略性新興產(chǎn)業(yè)①。本文借鑒已有研究[5，6]

的

變量選取方式，將融資分解為股權(quán)融資、內(nèi)源融資、

銀行貸款和債券融資②，從微觀層面來分析企業(yè)融資

情況。從2022年的年報數(shù)據(jù)看，股權(quán)融資占比最高

為 49.07%。內(nèi)源融資為 22.94%，銀行貸款占比為

10.23%，其他融資占比 17.76%。在其他融資中，應(yīng)

付票據(jù)占比3.6%，應(yīng)付債券占比1.09%，應(yīng)付賬款占

比 9.56%。除股權(quán)融資和內(nèi)源融資外，銀行貸款在

企業(yè)融資中占比為36.6%，債券融資占比為3.9%，票

據(jù)融資占比為12.9%，應(yīng)付賬款占比為34.2%。銀行

貸款是企業(yè)融資的主要渠道。從九大領(lǐng)域看，新能

源產(chǎn)業(yè)、節(jié)能環(huán)保產(chǎn)業(yè)、新材料產(chǎn)業(yè)、新能源汽車產(chǎn)

業(yè)等傳統(tǒng)行業(yè)的銀行貸款占比相對較高，超過

10%。相關(guān)服務(wù)業(yè)、高端裝備制造產(chǎn)業(yè)、數(shù)字創(chuàng)意產(chǎn)

業(yè)、新一代信息技術(shù)產(chǎn)業(yè)等新興產(chǎn)業(yè)由于抵押物較

少銀行貸款占比相對較低。

對中關(guān)村 27000 余家高新技術(shù)企業(yè)的調(diào)研發(fā)

現(xiàn)，銀行貸款約占企業(yè)各類融資的60%，科創(chuàng)企業(yè)的

首選融資渠道仍是銀行貸款。2021年，中關(guān)村高新

技術(shù)企業(yè)各項融資中，銀行貸款占比達56.5%，較各

類直接融資占比總和高 13 個百分點。對近 200 家

“專精特新”企業(yè)的融資調(diào)查顯示，九成以上企業(yè)將

銀行貸款作為首選融資渠道。基于企業(yè)家的調(diào)查也

顯示，中國高新技術(shù)產(chǎn)業(yè)的資金來源銀行約占60%，

表1 戰(zhàn)略性新興產(chǎn)業(yè)上市企業(yè)的融資結(jié)構(gòu)

指標

新一代信息技術(shù)產(chǎn)業(yè)

高端裝備制造產(chǎn)業(yè)

新材料產(chǎn)業(yè)

生物產(chǎn)業(yè)

新能源汽車產(chǎn)業(yè)

新能源產(chǎn)業(yè)

節(jié)能環(huán)保產(chǎn)業(yè)

數(shù)字創(chuàng)意產(chǎn)業(yè)

相關(guān)服務(wù)業(yè)

平均

除股權(quán)融資和內(nèi)源融

資外占比

內(nèi)源

融資

15.28

24.16

35.87

28.19

30.14

23.88

24.25

-15.06

18.94

22.94

-

股權(quán)

融資

57.84

43.22

40.65

50.75

40.89

31.46

40.76

81.70

46.14

49.07

-

銀行

貸款

8.63

8.22

12.85

9.28

10.22

16.36

15.14

8.58

4.47

10.23

36.56

其他

融資

18.25

24.40

10.63

11.78

18.75

28.30

19.86

24.79

30.45

17.76

63.44

其中：

應(yīng)付

票據(jù)

3.20

4.28

4.47

1.42

5.43

7.19

4.00

1.60

0.17

3.60

12.88

應(yīng)付

債券

0.93

0.80

1.45

1.10

0.99

0.91

1.82

0.65

0.96

1.09

3.91

應(yīng)付

賬款

9.64

11.80

7.89

6.05

12.71

11.27

10.64

10.61

5.24

9.56

34.16

注：參考已有研究[5，6]

，內(nèi)源融資=（盈余公積+未分配利潤+累計

折舊）/總資產(chǎn)，股權(quán)融資=（資本公積+股本）/總資產(chǎn)，銀行貸款=

（長期借款+短期借款）/總資產(chǎn)，其他融資=100%-內(nèi)源融資-股

權(quán)融資-銀行貸款，其中應(yīng)付票據(jù)=應(yīng)付票據(jù)/總資產(chǎn)，應(yīng)付債券=

應(yīng)付債券/總資產(chǎn)，應(yīng)付賬款=應(yīng)付賬款/總資產(chǎn)。

數(shù)據(jù)來源：作者測算。

06

企業(yè)對銀行的依賴程度較高[1]

。

四、我國科技信貸存在的問題

經(jīng)過對安徽、陜西、上海和北京等多地的銀行和

科創(chuàng)企業(yè)訪談，發(fā)現(xiàn)我國科技信貸主要存在三個方

面的問題：

（一）風險收益不匹配導致銀行“不敢貸、不能

貸、不愿貸”

銀行和企業(yè)信息不對稱導致銀行“不敢貸”。一

方面，科創(chuàng)企業(yè)風險高。科技型企業(yè)成長過程具有

高度的不確定性和風險性，企業(yè)失敗率較高?？苿?chuàng)

企業(yè)往往知識密集、行業(yè)差異大、運營相對復雜，普

遍存在輕資產(chǎn)、高成長性、信息透明度低等特征，難

以獲得傳統(tǒng)金融支持。具體表現(xiàn)在：科創(chuàng)企業(yè)產(chǎn)品

需求和競爭力存在不確定性，科創(chuàng)企業(yè)戰(zhàn)略水平、經(jīng)

營能力、管理規(guī)范參差不齊，受政策支持力度影響較

大。另一方面，銀行風險偏好低。銀行秉持的低風

險偏好和科技型企業(yè)的高風險特點之間仍存在結(jié)構(gòu)

性矛盾，而兩者之間的信息不對稱更加劇了這種矛

盾。特別是初創(chuàng)期科技型企業(yè)財務(wù)制度不健全，銀

行無法有效掌握企業(yè)財務(wù)、資信等情況，無法判斷企

業(yè)的真實經(jīng)營情況，導致傳統(tǒng)銀行運作機制不具有

對科技型企業(yè)的融資動力與功能。由于銀行對科創(chuàng)

企業(yè)各行業(yè)門類技術(shù)難以在短時間內(nèi)深入掌握，其

進行行業(yè)研究分析有一定的專業(yè)壁壘，影響投資審

批效率和質(zhì)量。信息不對稱不利于風險管理及評

估，也不利于企業(yè)創(chuàng)新和產(chǎn)品推廣。

銀行風險收益不匹配導致銀行“不能貸”。一方

面，銀行風險收益不匹配。目前銀行支持科創(chuàng)企業(yè)

的風險補償機制不健全，風險收益不匹配，投貸聯(lián)動

不足，資金難以有效整合。銀行對新創(chuàng)的、不確定性

強的企業(yè)或項目持謹慎態(tài)度，更愿意將資金投向成

熟型企業(yè)或項目。另一方面，創(chuàng)新型金融產(chǎn)品匱

乏。銀行產(chǎn)品創(chuàng)新能力不足，無法滿足高科技企業(yè)

多樣化的需求。傳統(tǒng)銀行對高科技企業(yè)主要擁有的

知識產(chǎn)權(quán)、專利權(quán)等無形資產(chǎn)缺乏重視，不利于高科

技企業(yè)貸款。

“盡職免責”機制難以有效發(fā)揮作用，導致銀行

“不愿貸”。目前各銀行均已建立盡職免責制度，但

實際執(zhí)行時，免責認定程序復雜，且缺乏有效地對授

信工作盡職過程的評價機制，往往是以結(jié)果追訴，導

致“問責難免”，降低了銀行信貸人員對科創(chuàng)型小微

企業(yè)授信業(yè)務(wù)的積極性。

（二）科技信貸存在結(jié)構(gòu)性失衡，金融中介體系

不健全

一是科技信貸存在結(jié)構(gòu)性失衡。一方面，科技

型企業(yè)中試孵化階段獲取資金較難。調(diào)研發(fā)現(xiàn)，實

驗研究階段資金需求較小，內(nèi)源性融資足以進行支

持。規(guī)?；a(chǎn)階段風險較低，企業(yè)利潤不斷增加，

也較為容易獲得銀行貸款。但中試孵化階段受技術(shù)

效果不確定和市場定位尚需觀察等因素制約，風險

較大，銀行等傳統(tǒng)機構(gòu)為保證資金安全，參與意愿較

低，導致該階段資金獲取比較困難。另一方面，短期

貸款占比高，缺乏中長期資金支持。現(xiàn)階段，銀行對

科技型企業(yè)提供的貸款以短期、流動性貸款為主，中

長期貸款總體比重有限，難以滿足科技型企業(yè)的融

資需求。貸款期限與研發(fā)周期不匹配，“科技研發(fā)

貸”等信貸產(chǎn)品供給不足。

二是缺乏金融中介機構(gòu)。在傳統(tǒng)的人工服務(wù)環(huán)

境下，企業(yè)、政府、投資平臺與銀行之間缺乏可直接

對接的有效平臺載體。基于互聯(lián)網(wǎng)大數(shù)據(jù)等技術(shù)手

段的篩選服務(wù)仍比較初步，優(yōu)質(zhì)企業(yè)項目、相關(guān)支持

政策等信息內(nèi)容難以及時有效傳遞。而且，銀行主

要依賴第三方機構(gòu)對知識產(chǎn)權(quán)進行價值評估，但市

場上缺乏權(quán)威評估機構(gòu)，不同評估機構(gòu)對于同一知

識產(chǎn)權(quán)評估價值差異較大，且缺乏有效的信息中

介。目前企業(yè)信用信息分散在工商、稅務(wù)、財政以及

人民銀行等多部門，各類信用數(shù)據(jù)缺乏有效的共享

機制，銀行難以對小微型科創(chuàng)企業(yè)做出客觀的信用

評價。

（三）知識產(chǎn)權(quán)擔保、融資增信和信用評估仍不

完善

知識產(chǎn)權(quán)擔保融資仍存在制約。盡管銀行根據(jù)

高新技術(shù)企業(yè)特點開發(fā)一些信貸產(chǎn)品，但很多仍處

于試點階段，契合度不高。大多數(shù)高新技術(shù)企業(yè)在

注冊資本金中有一部分是無形資產(chǎn)。盡管對于高新

技術(shù)企業(yè)來說，無形資產(chǎn)是相當寶貴的財富，但銀行

為了最大限度規(guī)避風險，一般要求貸款必須有房產(chǎn)

等抵押物作為擔保。而高新技術(shù)企業(yè)尤其是中小型

科創(chuàng)企業(yè)的資金主要用于科學技術(shù)研究和產(chǎn)品開

發(fā)，往往滿足不了擔保要求。當然，由于知識產(chǎn)權(quán)具

有特殊的專業(yè)性和復雜性，各國商業(yè)銀行對知識產(chǎn)

權(quán)融資均采取了謹慎的態(tài)度。而且高新技術(shù)企業(yè)的

主要資產(chǎn)是核心專利技術(shù)，有形資產(chǎn)少，因此在銀行

專家視點 Expert View

07

2023年第9期 WUHAN

FINANCE

貸款中存在審批流程慢、授信額度低、貸款期限短等

問題。由于知識產(chǎn)權(quán)定價復雜、貸款審批成本高、違

約清算難以變現(xiàn)等原因，目前銀行的知識產(chǎn)權(quán)擔保

貸款仍存在一定的制約。

融資增信體系有待完善。目前，在科技創(chuàng)業(yè)創(chuàng)

新領(lǐng)域，政府部門已推出了擔保和風險補償措施，但

總體看使用條件較為嚴格，撬動作用尚需提高。如

一些地方雖然建立了科技貸款風險補償基金，但同

時又規(guī)定了銀行獲得風險補償額的上限，這在一定

程度上限制了銀行加大信貸投放的積極性。同時，

擔保公司不能從根本上解決企業(yè)無抵押物的問題。

擔保公司為規(guī)避風險往往會選擇優(yōu)質(zhì)客戶，并要求

企業(yè)提供反擔保。當前，擔保公司向科創(chuàng)企業(yè)收取

的費用已有所下降，但仍存在反擔保條件嚴格、代償

率較低、擔保資金沒有及時補充等問題，科創(chuàng)企業(yè)普

遍具有的專利等知識產(chǎn)權(quán)擔保增信效果尚未顯現(xiàn)。

信用評估體系不健全。首先，當前信用評估系

統(tǒng)中只存有發(fā)生過貸款行為的企業(yè)的信用評估，對

于從未貸過款的優(yōu)質(zhì)高新技術(shù)企業(yè)卻沒有進入信用

評估系統(tǒng)。其次，信用評估系統(tǒng)過多地注重企業(yè)法

人情況，評估時過多地依賴企業(yè)的財務(wù)報表而忽略

了法人代表及高級管理人員的信用、整個團隊的管

理經(jīng)營能力、產(chǎn)品占有市場的潛力。再次，擔保公司

為企業(yè)擔保，需要企業(yè)請擔保公司認可的外部信用

評級機構(gòu)進行評估。當企業(yè)獲得擔保后去銀行進行

貸款時，銀行仍要對企業(yè)再進行一次內(nèi)部信用評

級。多次評級會導致企業(yè)融資成本加大。

五、政策建議

銀行貸款是我國科創(chuàng)企業(yè)融資的主要渠道，對

科創(chuàng)企業(yè)的發(fā)展起到了重要作用。未來，應(yīng)從機制

設(shè)計、配套制度、風險補償?shù)榷鄠€方面完善銀行對科

創(chuàng)企業(yè)的支持。

一是建立適應(yīng)科技創(chuàng)新行業(yè)融資的體制機制。

進一步引導銀行加強體制機制創(chuàng)新，鼓勵其建立符

合科技創(chuàng)新行業(yè)特點的信貸管理模式，提高金融服

務(wù)質(zhì)量和效率，發(fā)揮帶動引領(lǐng)作用。鼓勵銀行加強

與政府部門、科研院校的合作，建立科技專家評審隊

伍，降低信息不對稱。引導銀行建立科技金融風險

管理模型，完善科技金融風險內(nèi)控機制，落實盡職免

責機制，適當提高風險容忍度。鼓勵銀行深耕科技

創(chuàng)新各子領(lǐng)域，根據(jù)科創(chuàng)企業(yè)發(fā)展階段的不同需求，

設(shè)計相匹配的信貸產(chǎn)品。引導銀行制定支持科技領(lǐng)

域行業(yè)發(fā)展的信貸指引，建立健全信貸人員盡職認

定和免責處理相關(guān)細則，為信貸人員開展科技金融

業(yè)務(wù)提供明確、切實、有力的支持。

二是推進信息服務(wù)平臺等金融中介建設(shè)?？苿?chuàng)

企業(yè)的風險特征和差異化可能影響投資方對科創(chuàng)企

業(yè)篩選、審批的效率和質(zhì)量。政府應(yīng)牽頭完善科技

創(chuàng)新行業(yè)信息共享平臺，提高企業(yè)信息透明度和行

業(yè)信息公開性，緩解信息不對稱問題，增強銀行對科

創(chuàng)企業(yè)篩選識別、風險研判等能力。支持設(shè)立和發(fā)

展服務(wù)于科創(chuàng)企業(yè)的融資擔保公司、金融租賃公司、

融資租賃公司、商業(yè)保理等機構(gòu)以及中介服務(wù)機構(gòu)。

三是完善支持科創(chuàng)企業(yè)風險補償機制。由于科

技型企業(yè)“輕資產(chǎn)、高風險”特點，銀行投資科技企業(yè)

風險明顯高于大客戶和個人。應(yīng)引入國有融資性擔

保公司、擔保風險補償基金等，建立完善風險補償機

制，提高銀行積極性。引入競爭機制，鼓勵銀行開展

科創(chuàng)金融產(chǎn)品創(chuàng)新，推動知識產(chǎn)權(quán)質(zhì)押等業(yè)務(wù)發(fā)展，

滿足貸款主體的融資需要?！?/p>

注 釋

① 以國家統(tǒng)計局頒布的《戰(zhàn)略性新興產(chǎn)業(yè)分類（2018）》為

依據(jù)，確定了我國戰(zhàn)略性新興產(chǎn)業(yè)九大領(lǐng)域，包括新一代信

息技術(shù)產(chǎn)業(yè)、高端裝備制造產(chǎn)業(yè)、新材料產(chǎn)業(yè)、生物產(chǎn)業(yè)、新

能源汽車產(chǎn)業(yè)、新能源產(chǎn)業(yè)、節(jié)能環(huán)保產(chǎn)業(yè)、數(shù)字創(chuàng)意產(chǎn)業(yè)、

相關(guān)服務(wù)業(yè)等。

② 內(nèi)源融資是企業(yè)通過公司經(jīng)營活動結(jié)果產(chǎn)生的資金進

行融資，主要由留存收益和折舊構(gòu)成，留存收益又通常由盈

余公積和未分配利潤組成。銀行貸款是指企業(yè)從銀行或者

其他金融機構(gòu)獲取貸款并在約定期限交付一定利息的間接

融資方式。股權(quán)融資定義為資本公積和股本之和。其他融

資主要包括債券融資、票據(jù)融資等融資方式。

[參考文獻]

[1] 張瑾華，何軒，李新春.銀行融資依賴與民營企業(yè)創(chuàng)新能

力：基于中國企業(yè)家調(diào)查系統(tǒng)數(shù)據(jù)的實證研究[J].管理評

論，2016（4）：98-108.

[2] 徐忠.觀察近期美幾家銀行破產(chǎn)案的另一個角度[J/OL].

中國金融四十人論壇，[2023-07-15]. https：//www.toutiao.

com/article/7223208477446259258/?log_from=f7dd423e7515a

_1686797281006.

[3] 朱鴻鳴，趙昌文，付劍峰.中國科技貸款三十年：演進規(guī)律

與政策建議[J].中國科技論壇，2012（7）：20-31.

[4] 任澤平.我國各行業(yè)企業(yè)融資結(jié)構(gòu)的方式與成本[J/OL].

金融界，[2023-08-01]. https：//baijiahao.baidu.com/s?id=1620

059695806146275&wfr=spider&for=pc.

[5] 李斌，孫月靜.中國上市公司融資方式影響因素的實證研

究[J].中國軟科學，2013（7）：122-131.

[6] 湛泳，王浩軍.國防科技融資方式對創(chuàng)新效率的影響：基

于軍工上市企業(yè)面板數(shù)據(jù)的研究[J].經(jīng)濟理論與經(jīng)濟管理，

2019（11）：82-99.

（責任編輯：FZB / 校對：XY）

08

一、引言

在我國金融市場雙向開放的背景下，短期資本

跨境流動規(guī)模擴大，風險溢出的渠道更加通暢，人民

幣外匯市場受國際金融市場的外溢性影響進一步凸

顯。在“一種貨幣、三種匯率、三類外匯市場”①的結(jié)

構(gòu)化特征下，香港離岸人民幣匯率、NDF 匯率與境

內(nèi)人民幣匯率具有雙向價格引導關(guān)系[1]

，外部沖擊

因素可經(jīng)由前兩種匯率價格傳導至境內(nèi)外匯市場，

加劇境內(nèi)人民幣匯率波動，推高我國外匯市場風險

水平，而境內(nèi)市場風險也會通過這兩種匯率向境外

擴散。不僅如此，三種匯率間還存在較強的風險共

振現(xiàn)象，這種關(guān)系在金融市場動蕩時期表現(xiàn)得更為

突出，使得三類外匯市場間的風險溢出存在系統(tǒng)性、

時變性、交互性和非對稱性，這對我國“實現(xiàn)人民幣

匯率在合理、均衡水平上的穩(wěn)定”的政策目標構(gòu)成了

挑戰(zhàn)。因此，研究境內(nèi)外人民幣外匯市場間的風險

溢出效應(yīng)具有重要政策意義，不僅有利于我國穩(wěn)步

提升人民幣國際化水平，更好地構(gòu)建“雙循環(huán)”新發(fā)

展格局，也有助于發(fā)揮匯率作為國際金融風險隔離

墻的作用，為我國經(jīng)濟高質(zhì)量發(fā)展保駕護航。

此外，金融資產(chǎn)風險僅用二階矩方差來刻畫并

不完整，還應(yīng)當考慮在風險極端化條件下的高階矩

波動率。在二階矩風險維度下，GARCH波動率刻畫

的是條件方差層面的風險，即已知的不確定性

（known unknown），意外波動率（VS）刻畫的是意想

不 到 的 風 險 ，即 未 知 的 不 確 定 性（unknown un?

known）；而偏度、峰度等高階矩波動率刻畫的是極

端風險，即極端未知的不確定性（extreme unknown

unknown）。從 GARCH 波動率、意外波動率到高階

矩波動率，金融資產(chǎn)所具有的風險極端化程度漸次

增加。已有研究發(fā)現(xiàn)，金融資產(chǎn)之間不僅存在一般

風險層面的關(guān)聯(lián)，還存在著未預期風險甚至極端風

險層面的關(guān)聯(lián)，且不同金融資產(chǎn)的聯(lián)動關(guān)系在二階

摘 要：本文測算了人民幣匯率的意外波動率、條件偏度和條件峰度等多階矩風險指標，結(jié)合 DY 溢出指數(shù)模型與 DCC-GARCH 模型

研究了境內(nèi)人民幣外匯市場、香港離岸外匯市場和 NDF 市場之間的風險溢出效應(yīng)。研究發(fā)現(xiàn)：人民幣匯率的高階矩波動率能夠更好地捕

捉到小概率沖擊或極端沖擊的影響；在頻域視角下，境內(nèi)外人民幣外匯市場間存在顯著的靜態(tài)風險溢出效應(yīng)，且意外波動率風險溢出效

應(yīng)持續(xù)期相對較長，境內(nèi)市場是風險溢出的源頭，往往以香港離岸市場為中介將風險傳導至 NDF 市場；從時域角度看，各階矩下的風險溢

出效應(yīng)都具有不斷增強的時變特征，且對未預期沖擊、小概率沖擊和極端沖擊較為敏感；就風險溢出效應(yīng)所體現(xiàn)的風險聯(lián)動性來看，境內(nèi)

外市場的風險聯(lián)動性在各階矩維度下也都是顯著的。

關(guān)鍵詞：外匯市場；金融風險；人民幣匯率；風險溢出；高階矩波動

中圖分類號：F832.5 文獻標識碼：A 文章編號：1009-3540（2023）09-0009-0011

基金項目：國家社科基金“金融輿情影響下 RCEP 國家貨幣共振機制與風險防控研究”（21XGJ002）；云南省哲學社會科學創(chuàng)新團隊基

金“金融環(huán)境對云南中小企業(yè)創(chuàng)新能力的影響機理研究”（2021tdxmy04）。

■ 楊玲玲 湯磊

作者簡介：楊玲玲（1981—），女，博士，云南師范大學經(jīng)濟與管理學院副教授； 湯磊（1998—），男，云南師范大學經(jīng)濟與管理學院碩士研

究生。

境內(nèi)外人民幣外匯市場的

多階矩風險溢出效應(yīng)研究

人民幣國際化 RMB Internationalization

09

2023年第9期 WUHAN

FINANCE

矩乃至更高階矩上都有顯著的反映[2]

。因此，風險

溢出效應(yīng)的研究應(yīng)當考慮多階矩維度下的溢出特

征，把不同極端化程度下的風險傳染機制刻畫出

來。基于此，本文從時域和頻域兩個維度出發(fā)，特別

關(guān)注三種人民幣匯率通過動態(tài)條件相關(guān)結(jié)構(gòu)所產(chǎn)生

的緊密聯(lián)系，研究境內(nèi)外人民幣外匯市場之間的意

外波動、條件偏度和條件峰度風險溢出效應(yīng)。

本文的邊際貢獻在于：第一，系統(tǒng)化地測度了境

內(nèi)外人民幣外匯市場間的多階矩風險溢出效應(yīng)，為

研究匯率風險以及由信息的跨市場傳播所產(chǎn)生的多

階矩市場風險聯(lián)動關(guān)系提供了新佐證。第二，從時

域、頻域雙視角出發(fā)，研究了境內(nèi)外人民幣外匯市場

間的多階矩風險溢出效應(yīng)，拓展了匯率風險問題的

研究邊界。第三，考察了在不同風險極端化程度下，

境內(nèi)外人民幣外匯市場間的風險溢出強度、溢出方

向以及跨市場風險傳染機制，厘清了沖擊因素在境

內(nèi)外人民幣外匯市場間的傳導路徑，為防范人民幣

匯率風險、維護國家金融安全提供了經(jīng)驗證據(jù)和決

策依據(jù)。

二、文獻綜述

目前與本文主題相關(guān)的研究主要涉及境內(nèi)外人

民幣外匯市場間的風險溢出效應(yīng)、基于意外波動率的

風險溢出效應(yīng)以及基于高階矩風險的風險溢出效應(yīng)。

（一）境內(nèi)外人民幣外匯市場的風險溢出效應(yīng)

信息的跨市場傳播使得境內(nèi)外人民幣匯率的收

益率存在動態(tài)條件相關(guān)性，并因波動沖擊產(chǎn)生了風

險溢出效應(yīng)。國內(nèi)外學者通過定量研究人民幣外匯

市場的風險溢出效應(yīng)，既識別了境內(nèi)外外匯市場間

的匯率信息溢出強度和溢出方向，也據(jù)此判別出在

岸人民幣匯率（CNY）、香港離岸人民幣匯率（CNH）

和人民幣無本金交割遠期匯率（NDF）的市場影響

力，從而確定人民幣定價權(quán)歸屬。

在2010年香港CNH市場尚未出現(xiàn)之前，國內(nèi)學

者普遍認為境內(nèi)人民幣即期市場對 NDF 市場不存

在明顯的波動溢出效應(yīng)，NDF市場處于匯率價格發(fā)

現(xiàn)的中心地位，擁有人民幣定價權(quán)[3，4]

。此后，相關(guān)

研究結(jié)論出現(xiàn)了分化：有學者發(fā)現(xiàn)，隨著境內(nèi)外人民

幣外匯市場風險關(guān)聯(lián)性的上升，境內(nèi)CNY市場逐漸

占據(jù)了匯率定價主動權(quán)，而NDF市場的影響力開始

下降[5]

；有學者則認為，境內(nèi)外人民幣即期匯率間不

存在顯著的均值溢出和波動溢出效應(yīng)[6]

；還有學者

認為，CNH匯率對CNY匯率具有預測性，NDF匯率

對CNY匯率具有預測性，故境內(nèi)CNY市場應(yīng)當是溢

出效應(yīng)的接受方，而香港CNH市場和NDF市場才是

溢出效應(yīng)的源頭[7—10]

。

在2015年“8.11”匯改后，國內(nèi)外學者的研究結(jié)

論更趨一致，主要形成兩類觀點：一部分學者認為

CNY匯率引導著離岸市場匯率，故CNY匯率對離岸

CNH匯率的風險溢出效應(yīng)更強[11—13]

；另一部分學者

則認為，香港CNH市場對境內(nèi)CNY市場具有日益顯

著的均值溢出和波動溢出效應(yīng)，前者才是匯率信息

溢出的中心，CNH匯率變動能更好地反映全球風險

變化[14—16]

。

（二）基于意外波動率的風險溢出效應(yīng)研究

Hamao等[17]

首次將意外波動率視為滯后于條件

方差項的成分，用以研究國際股市間的風險溢出效

應(yīng)，結(jié)果發(fā)現(xiàn)紐約股市是風險溢出的源頭，能夠?qū)?/p>

敦股市和東京股市產(chǎn)生顯著影響。Engle 等[18]

更明

確地將意外波動率定義為殘差平方和條件方差之間

的不可預測成分。該定義被國際學者用于研究美國

股市與亞太股市間的風險溢出效應(yīng)，證實了美國股

市是意外波動風險的溢出源頭[19，20]

。Aboura等[21]

的

研究最具代表性，認為意外波動率對金融市場間的

信息沖擊更為敏感，將其引入 ADCCX-GARCH 模

型，用以探討美國股票市場、債券市場、外匯市場和

大宗商品市場間的風險溢出效應(yīng)，結(jié)論有力地證明

了考慮意外波動成分后各類金融市場間的風險溢出

效應(yīng)更為顯著。

（三）基于高階矩風險的風險溢出效應(yīng)

鑒于金融資產(chǎn)收益率通常并不滿足正態(tài)分布或

者對數(shù)正態(tài)分布，這意味著對金融風險的測度不能

僅考慮均值和方差，也應(yīng)該強調(diào)高階矩維度下的風

險特征。從微觀視角來看，企業(yè)間的生產(chǎn)率沖擊總

體上呈現(xiàn)出非正態(tài)分布，其條件偏度和條件峰度具

有時變性[22]

。各類金融資產(chǎn)也具有類似風險特征，

對沖基金的收益率對偏度和峰度沖擊尤為敏感，并

且偏度和峰度沖擊比波動沖擊更加重要[23]

，股票同

樣如此。而且引入高階矩風險后，股市間的風險溢

出效應(yīng)也很顯著。劉楊樹等[24]

利用股票市場的風險

中性高階矩來反映香港股票市場風險特征，發(fā)現(xiàn)在

三階矩偏度和四階矩峰度等兩個維度下，香港股市

存在明顯的風險溢出效應(yīng)。許啟發(fā)[25]

、蔣翠俠等[26]

構(gòu)建了高階矩風險 GARCHSK 模型，驗證了我國股

10

市存在高階矩風險，并發(fā)現(xiàn)方差風險溢出效應(yīng)強于

偏度風險溢出效應(yīng)和峰度風險溢出效應(yīng)，方差風險

在投資決策中依然占有最重要的位置。崔金鑫等[2]

同時從時域和頻域視角研究高階矩風險溢出效應(yīng)，

發(fā)現(xiàn)國際股市間的高階矩風險溢出效應(yīng)同樣顯著，

美國、英國、德國、法國和加拿大股市主要扮演風險

凈溢出者的角色，而澳大利亞、日本、新加坡、中國內(nèi)

地和中國香港股市主要扮演風險凈接受者的角色。

綜上，國內(nèi)外學界圍繞境內(nèi)外人民幣外匯市場

的風險關(guān)聯(lián)性以及各階矩風險維度下的金融市場風

險溢出效應(yīng)進行了卓有成效的研究，但仍存在一些

局限性：第一，對匯率存在的多維階矩風險特征考慮

不足，尤其是忽視了由此產(chǎn)生的意外波動風險溢出

效應(yīng)和高階矩風險溢出效應(yīng)。在二階矩維度上，隱

含波動率和隨機波動率等需要遵從嚴格的假設(shè)條

件，有可能導致測算結(jié)果存在系統(tǒng)性偏誤或者耗費

計算量。而意外波動率是GARCH波動率的估計殘

差項和方差項之差，測算方式較為簡便，且該值對金

融市場之間的波動沖擊以及市場信息傳遞更加敏

感，能準確地刻畫出未預期波動沖擊帶來的跨市影

響。第二，假設(shè)金融資產(chǎn)收益率序列為正態(tài)分布或

者對數(shù)正態(tài)分布，這可能不符合市場的真實情況，因

此高階矩之間的風險溢出效應(yīng)更應(yīng)成為題中之意。

而國內(nèi)外的高階矩風險研究大多針對股票市場和債

券市場，較少涉及外匯市場。第三，對境內(nèi)外人民幣

外匯市場間由信息傳遞導致的風險溢出效應(yīng)研究還

不夠深入，僅驗證了風險溢出效應(yīng)的存在性及其基

本特征，尚未明確揭示出人民幣匯率風險的跨市風

險傳染機制。第四，現(xiàn)有研究較多地從時域角度來

檢驗金融市場間的風險溢出效應(yīng)，而從頻域視角來

檢驗金融市場間風險溢出效應(yīng)的成果較少，更鮮有

針對人民幣外匯市場時頻域風險溢出效應(yīng)的研究。

三、實證指標與模型構(gòu)建

（一）二階矩風險指標

本文將采用意外波動率來作為二階矩波動風險

的測算指標。Engle 等[18]

將其定義為金融資產(chǎn)價格

時序的條件方差與其殘差平方的差值，用以表征金

融風險中不可預測的波動成分。一般而言，可通過

構(gòu)建GARCH（1，1）模型的均值等式：

rt = μ + ?t （1）

σ2

t = ω + α?2

t - 1 + βσ2

t - 1 （2）

其中，rt 為金融資產(chǎn)對數(shù)收益率序列，μ 為無

條件均值，?t 為殘差序列，σt 為條件方差，ω 為平

均波動率項。

由殘差 ?t 算得時變條件波動率 σt ，即可通過殘

差平方 ?2

t 和條件方差 σ2

t 之間的差值求解意外波動

率ζ。Engle等[18]

將波動率定義為ζ，作為殘差平方 ?2

t

和條件方差 σ2

t 之間的差值。出于標準化計算的目

的，本文將意外波動率進行標準化處理，即標準化意

外波動率 ζ

ˉ由如下公式給出：

ζ

ˉ= ?2

t - σ2

t

σ2

t

（3）

（二）高階矩風險指標

金融資產(chǎn)收益率分布并非嚴格服從正態(tài)分布，

而是具有“尖峰肥尾”特征，也即具有了三階矩意義

上的峰度風險和四階矩意義上的偏度風險，它們構(gòu)

成了金融資產(chǎn)價格的高階矩風險。為獲取人民幣匯

率收益率的條件偏度和條件峰度序列，本文對Leon

等[27]

提出的 GARCHSK 模型進行了精煉，構(gòu)建如下

高階矩風險模型：

rt = μ + ?t = μ + h1/2

t Zt （4）

skewt = γ0 +∑i = 1

q2

γ1,iZ3

t - i +∑j = 1

p2

γ2,jskewt - j （5）

kurtt = δ0 +∑i = 1

q3

δ1,iZ4

t - i +∑j = 1

p3

δ2,jkurtt - j （6）

式（4）、式（5）中，rt 為金融資產(chǎn)對數(shù)收益率，μ

為無條件均值，?t = h1/2

t Zt 表示創(chuàng)新項，Zt 表示白噪

音，且 E（ Zt ）=0，E（ Z2

t ）=1，σt 為條件方差。V

（rt

|rt - 1）= σ2

t ，rt - 1 指的是t-1時期內(nèi)的時變信息，ht

為條件波動，skew下標t為條件偏度，kurt下標t為條

件峰度。

（三）DY溢出指數(shù)模型

本文將借鑒Diebold等[28]

提出的溢出指數(shù)（Spill?

over Index）模型來考察 CNY 市場、CNH 市場以及

NDF 市場之間的多階矩風險溢出效應(yīng)。該模型的

基本原理是根據(jù)廣義的KPPS 方法建立VAR 模型，

然后采用方差分解以計算溢出指數(shù)。

首 先 ， 構(gòu) 建 四 元 VAR （p） 模 型

xt =∑i = 1

p

Φixt - i + εt 。其中，ε~（0，Σ）是一個獨立同

分布的標準誤差變量。將VAR（p）轉(zhuǎn)換為MA形式，

即 xt =∑i = 1

∞ Aixt - 1 ，Ai 為4×4系數(shù)矩陣，并且滿足遞

歸方程 Ai = Φ1At - 1 + Φ2At - 2 + Φ3At - 3 + ΦpAt - p

（ A0 是

人民幣國際化 RMB Internationalization

11

2023年第9期 WUHAN

FINANCE

單位矩陣；當i<0時，Ai = 0）。

其次，運用 KPPS 方法對 VAR 進行一般化處理

和方差分解。來自 xi

(i = 1,2,3,…,N) 的沖擊對 xi 的

向前H步預測誤差的方差可以作為自身項對方差的

貢獻程度，而不包括 xi 在內(nèi)的其他 xj

( j = 1,2,3,…,N

且 i ≠ j) 對 xi 的 H 步預測誤差方差則視為自身對其

他方差的貢獻值。因此，xj 對 xi 的方差貢獻為：

θ

g

ij(H) = σ-1

ij∑h = 0

H - 1

(e

,

iAh∑ej

)

∑h = 0

H - 1

e

,

iAh∑A,

h ej

（7）

其中，σij 為第j個方程誤差項的標準差，Σ為預

測誤差向量ε的方差矩陣，ei 表示第i個元素為1而

其余元素均為0的列向量。在KPPS方法的VAR框

架下，可由自身和其他變量方差貢獻度的和算得總

貢獻程度，即∑j = 1

N

θ

g

ij(H) ≠ 1。

接下來，可對 θ

g

ij 進行標準化處理，令

θ?

g

ij(H) = θ

g

ij(H)

∑j = 1

N

θ

g

ij(H) （8）

其中，∑j = 1

N

θ?

g

ij(H) ≠ 1，∑j = 1

N

θ?

g

ij(H) = N 。

根據(jù)不同變量的方差貢獻度之和占總預測誤差

方差貢獻度百分比，可構(gòu)建如下總溢出指數(shù)：

S

g

(H) =

∑i,j = 1&i ≠ j

N

θ?

g

ij(H)

∑i,j = 1

N

θ?

g

ij(H)

× 100

=

∑i,j = 1&i ≠ j

N

θ?

g

ij(H)

N

× 100

（9）

此外，還可以度量其他所有市場對市場 i 的溢

出指數(shù)：

S

g

i.(H) =

∑j = 1&i ≠ j

N

θ?

g

ij(H)

∑i,j = 1

N

θ?

g

ij(H)

× 100

=

∑j = 1&i ≠ j

N

θ?

g

ij(H)

N

× 100

（10）

相反，市場i對其他所有市場的溢出指數(shù)為：

S

g

.i(H) =

∑j = 1&i ≠ j

N

θ?

g

ji(H)

∑i,j = 1

N

θ?

g

ji(H)

× 100

=

∑j = 1&i ≠ j

N

θ?

g

ji(H)

N

× 100

（11）

用公式（11）減去（10），得到市場 i 對其他所有

市場的凈溢出指數(shù)：

S

g

i (H) = S

g

.i(H) - S

g

i.(H) （12）

假設(shè) j 指的是另一個市場，則市場 i 對市場 j 的

凈溢出指數(shù)為：

S

g

(H) = θ?

g

ji(H)

∑i,j = 1

N

θ?

g

ij(H)

- θ?

g

ij(H)

∑j,i = 1

N

θ?

g

ji(H)

=

∑i,j = 1&i ≠ j

N

θ?

g

ij(H)

N

× 100

（13）

在模型數(shù)據(jù)的選用上，本文選取上述標準

GARCH 模型和 GARCHSK 模型計算所得的意外波

動率、條件偏度和條件峰度，以計算CNY市場、CNH

市場和 NDF 市場之間的各階矩變量之間的溢出關(guān)

系和溢出強度。

（四）DCC-GARCH（動態(tài)條件相關(guān)）模型

在 DY 溢出指數(shù)模型的基礎(chǔ)上，本文將進一步

對CNY市場、CNH市場和NDF市場之間的風險溢出

特征進行動態(tài)化描述。 rt 和 ζ

ˉ分別代表價格收益率

和 意 外 波 動 率 成 分 ，價 格 收 益 率 由 公 式

rt = log(Pt /Pt - 1) 計算得出，ξ 定義為n×1的參數(shù)向量。

將 χt 定 義 為 t 時 間 上 的 不 可 預 測 成 分

（?t

或者ζ

ˉ）的向量，條件均值為0并且符合n×n的協(xié)

方差矩陣 Ht 。

χt

|Ωt - 1~N(0,Ht

) （14）

將 Ωt - 1 定義為 t-1 時間段上的所含信息，條件

協(xié)方差矩陣可以被分解成下式：

Ht = DtRtDt = ( ρij,t hii,t

hjj,t) （15）

令 ρij,t 代表相關(guān)系數(shù)，Rt 代表n×n 的時變相關(guān)

矩陣，Dt = diag( hi,t ) 作為標準差的n×n對角矩陣。

動態(tài)條件相關(guān)矩陣由下式給出：

Rt = Q* - 1

t Qt

Q* - 1

t （16）

其中，Rt 中的元素由下式給出：

ρij,t = qij,t

qii,tqjj,t

（17）

其中，Q*

t = diag( qii,t ) ，Qt 由 DCC 模型中的公

式得出，在DCC模型中：

Qt = Qˉ - A'

QˉA - B'

QˉB + A'

(ε ) *

t - 1ε*

t - 1

' A + B'

Qt - 1B（18）

ε*

t 作為標準化殘差的 N*1 向量，ε*

t = εi,t

?σ

- 1

2

ii,t ，

A = diag( α) 表 示 α 估 計 系 數(shù) 的 對 角 矩 陣 ，

B = diag( β ) 表示 β 估計系數(shù)的對角矩陣，其中

α + β < 1 . Qˉ = T-1

∑t = 1

T

ε*

t ε*

t

'

，Nˉ = T-1

∑t = 1

T

ntnt

'

。

Qt = Qˉ - αQˉ - βQˉ + α(ε ) *

t - 1ε*

t - 1

' + βQt - 1 （19）

12

四、數(shù)據(jù)、指標及描述性統(tǒng)計

（一）數(shù)據(jù)、樣本和多階矩風險指標測算

本文選取的數(shù)據(jù)為 CNY 市場人民幣兌美元即

期匯率、CNH市場人民幣兌美元即期匯率以及NDF

市場一月遠期匯率的每日收盤報價，考慮到境內(nèi)外

人民幣外匯市場的數(shù)據(jù)同步性，數(shù)據(jù)選取時段為

2012年5月10日到2023年2月3日，同時剔除交易

時間不一致數(shù)據(jù)以及個別極端數(shù)據(jù)，最終保留共計

2464個交易日。所有數(shù)據(jù)均來源于wind數(shù)據(jù)庫。

根據(jù) GARCHSK 模型可以計算得出 CNY、CNH

以及 NDF 市場的標準 GARCH 波動率，以及三個外

匯市場在高階矩條件下的條件偏度和條件峰度序

列。CNY、CNH 以及 NDF 市場由標準 GARCH 模型

計算得出的參數(shù)具體如表1所示：

表1 CNY、CNH及NDF市場標準GARCH模型參數(shù)

市場類型

CNY

CNH

NDF

ω

0.000***

(2.638)

0.000***

(3.990)

0.000**

(2.491)

α

0.372***

(24.799)

0.377***

(18.839)

0.178***

(27.075)

β

0.527***

(58.947)

0.485***

(34.127)

0.698***

(119.600)

注：（1）表中參數(shù)由前文式（2）算得，ω為平均波動率項，α為往期

收益率偏差對當期收益率波動的影響系數(shù)，β為往期收益率波動

對當期收益率波動的影響系數(shù)。（2）括號中的數(shù)值為 t 統(tǒng)計量，

***、**、*分別表示在1%、5%和10%的置信水平上顯著。下表同。

CNY 市場和 CNH 市場的α值約為 0.37，表明往

期收益率偏差對當期收益率波動存在較高的影響水

平，而 NDF 市場的α值僅有 0.178，表明往期收益率

偏差的影響相對較小。CNY市場和CNH市場的β值

在0.5附近，表明往期收益率波動對當期收益率波動

存在一定影響，但相較于 NDF 市場的 0.698 而言影

響程度較低。

進一步依據(jù)公式（3），可求出CNY市場、CNH市

場和 NDF 市場上人民幣匯率的意外波動率序列

ζ

ˉ 。如圖1所示，自2012年以來，境內(nèi)外人民幣外匯

市場的意外波動率逐漸增強，這反映出在持續(xù)推進

的匯率形成機制改革推動下，外匯市場的透明度不

斷提高，人民幣匯率波動彈性不斷增大。值得注意

的是，在2015年“8·11”匯改、2019年中美貿(mào)易爭端、

2020年新冠疫情、2022年俄烏沖突等時點上，匯率

意外波動率均出現(xiàn)了突變值，表明重大匯率改革及

市場沖擊事件增加了境內(nèi)外投資者預期的不確定

性，加劇了匯率風險。此外，三條意外波動率曲線呈

現(xiàn)出基本趨同的波動態(tài)勢，這意味著在二階矩維度

上，境內(nèi)外人民幣外匯市場間可能存在較高的風險

聯(lián)動性，這將在后續(xù)的實證檢驗中進行驗證。

圖1 CNY、CNH及NDF市場的意外波動率曲線

注：volatility surprise CNY、volatility surprise CNH和volatility sur?

prise NDF分別為CNY市場、CNH市場以及NDF市場的意外波

動率序列。

接下來，由 GARCHSK 模型可以估計得出 CNY

市場、CNH市場以及NDF市場上的人民幣匯率高階

矩風險時序，如圖 2 所示。在三階矩風險維度上，

CNY市場和CNH市場的條件偏度曲線波動較為平

穩(wěn)，僅在2015年“8·11”匯改期間出現(xiàn)了突變，且后

者比前者波動性稍強；NDF市場的條件偏度曲線則

呈現(xiàn)出長期不平穩(wěn)的波動態(tài)勢。在四階矩風險維度

上，各市場上的條件峰度曲線也具有類似的波動特

征。這表明高階矩匯率風險指標更易捕捉到未預期

沖擊乃至極端沖擊對外匯市場的影響，從而使得境

內(nèi)外人民幣匯率風險表現(xiàn)出明顯分化，即 CNY 匯

率、CNH匯率和NDF匯率對波動沖擊的響應(yīng)敏感度

不斷增強。這也體現(xiàn)出境外人民幣外匯市場中的信

息速率高于境內(nèi)市場，同時從側(cè)面反映出境外市場

具有相對較高的市場定價效率。

（二）描述性統(tǒng)計分析

表2是對CNY、CNH及NDF市場上各階矩風險

人民幣國際化 RMB Internationalization

13

2023年第9期 WUHAN

FINANCE

序列的描述性統(tǒng)計。從峰度值來看，各個序列均表

現(xiàn)出“尖峰厚尾”特征；從JB統(tǒng)計值來看，各階矩風

險均不服從正態(tài)分布；ADF單位根檢驗結(jié)果則表明

各序列均為平穩(wěn)序列。

表2 CNY、CNH及NDF市場的多階矩風險指標

描述性統(tǒng)計

風險

指標

意外

波動率

條件

偏度

條件

峰度

市場

類型

CNY

CNH

NDF

CNY

CNH

NDF

CNY

CNH

NDF

均值

-0.998

-0.998

-0.99

-0.050

0.024

0.006

3.828

3.714

3.963

標準差

0.003

0.003

0.003

0.027

0.361

0.195

0.123

0.236

1.364

偏度

11.079

12.042

13.828

-5.548

23.091

-3.081

21.665

20.130

14.043

峰度

189.594

248.656

307.446

37.0787

610.306

147.884

579.968

476.485

232.398

JB

3.6e+06***

6.2e+06***

9.6e+06***

1.3e+05***

3.8e+07***

2.2e+06***

3.4e+07***

2.3e+07***

5.5e+06***

ADF檢驗

-25.619***

-26.288***

-23.905***

-278.993***

-107.158***

-42.910***

-42.488***

-1205.128***

-43.563***

五、各階矩維度下境內(nèi)外人民幣外匯市場間

的風險溢出效應(yīng)

本文將基于 DY 溢出指數(shù)方法，將 CNY 市場、

CNH 市場和 NDF 市場納入統(tǒng)一的 VAR 模型系統(tǒng)

中，從時域和頻域角度出發(fā)，分別檢驗三個人民幣外

匯市場間的意外波動風險溢出效應(yīng)、條件偏度風險

溢出效應(yīng)和條件峰度風險溢出效應(yīng)。

（一）頻域視角下靜態(tài)風險溢出效應(yīng)檢驗

根據(jù)上文測算得出的 CNY 市場、CNH 市場和

NDF 市場上意外波動率、條件偏度和條件峰度數(shù)

據(jù)，本文依次構(gòu)建了在各階矩維度下的靜態(tài) DY 溢

出指數(shù)模型，以檢驗境內(nèi)外人民幣外匯市場間的靜

態(tài)風險溢出效應(yīng)。意外波動風險溢出效應(yīng)考慮當一

個市場未預期的波動沖擊產(chǎn)生時另外兩個市場產(chǎn)生

波動變化的概率。條件偏度風險溢出效應(yīng)考慮當某

一外匯市場上的人民幣匯率大幅上漲或下跌時，其

他兩個市場產(chǎn)生大幅度上漲或下跌的可能性；條件

峰度風險溢出效應(yīng)表示當某一市場發(fā)生極端概率事

件后，其他兩個市場同樣發(fā)生極端概率事件的可能

性。在此基礎(chǔ)上，為探究各階矩風險溢出效應(yīng)的靜

態(tài)頻域特征，本文還將各階矩風險時序的滯后期進

行調(diào)整，劃分了四個不同頻域，設(shè)置了1天（短期）、5

天和10天（中期）以及20天（長期）四種不同頻域。

1.靜態(tài)風險溢出強度

表3列示了不同頻域下境內(nèi)外人民幣外匯市場

間的靜態(tài)風險溢出總體強度，得出以下結(jié)論：

第一，在各階矩維度下，境內(nèi)外人民幣外匯市場

間的風險溢出效應(yīng)均十分顯著，CNY 市場、CNH 市

場和NDF市場之間的意外波動率、條件峰度和條件

偏度風險溢出指數(shù)最高值分別達到 40.7、44.1%、

29.5%。在各階矩風險溢出效應(yīng)中，條件偏度溢出

效應(yīng)最強，條件偏度溢出效應(yīng)最弱，隨著階矩增加，

境內(nèi)外人民幣外匯市場間的風險溢出強度呈現(xiàn)先增

后減的駝峰形態(tài)變化趨勢。這表明小概率市場沖擊

因素導致的風險跨市傳染性最強，而在極端沖擊因

素下的風險跨市傳染性相對較弱。

第二，從頻域角度來看，境內(nèi)外三個人民幣外匯

市場間的意外波動風險溢出效應(yīng)在20天左右到達

強度峰值，表明二階矩的風險溢出效應(yīng)可能會在長

時間內(nèi)產(chǎn)生效果。而條件偏度風險溢出效應(yīng)和條件

峰度風險溢出效應(yīng)均在5天左右達到高峰值，這意

表3 CNY、CNH及NDF市場間的靜態(tài)風險溢出效應(yīng)

頻域

滯后1天

滯后5天

滯后10天

滯后20天

意外波動風險溢出

39.6%

40.2%

40.5%

40.7%

條件偏度風險溢出

43.1%

44.1%

44.1%

44.1%

條件峰度風險溢出

29.5%

29.4%

29.4%

29.4%

圖2 CNY、CNH和NDF市場的條件偏度、條件峰度曲線

注：skew CNY、skew CNH和skew NDF分別為CNY市場、CNH

市場以及 NDF 市場的條件偏度序列。kurt CNY、kurt CNH、

kurt NDF分別表示CNY市場、CNH市場以及NDF市場的條件

峰度序列。

14

味著在短時間內(nèi)，當一個市場出現(xiàn)大幅度漲跌甚至

發(fā)生極端概率事件時，另外兩個市場均會在短期內(nèi)

受到影響，以較快速度做出反應(yīng)。此外，從滯后5天

的頻域開始，各階矩維度下的風險溢出強度都保持

在較高水平，沒有隨頻域時長的增加而表現(xiàn)出衰減

趨勢，這說明無論是從意外波動率、條件偏度還是條

件峰度來測度匯率風險，CNY 市場、CNH 市場和

NDF市場間的風險溢出效應(yīng)都具有較長的存續(xù)期。

2.靜態(tài)風險溢出貢獻度

表4列示了境內(nèi)外三個人民幣外匯市場各自的

風險溢出貢獻度，可以發(fā)現(xiàn)：

第一，各階矩維度下境內(nèi)人民幣外匯市場都是

風險溢出的中心，而風險溢出的對象則為香港離岸

市場或 NDF 市場。從意外波動率、條件偏度、條件

峰度的角度來看，CNY市場對CNH市場和NDF市場

的風險溢出貢獻均在 100%左右，CNY 市場在各階

矩維度下均扮演著風險溢出主要輸出者的角色。以

意外波動率作為匯率風險指標時，NDF市場受到來

自其他兩個市場的風險溢出貢獻達到67.6%，為三

個市場的最高值，可將其視為風險溢出效應(yīng)的主要

承受者。而以條件偏度和條件峰度作為匯率風險指

標時，CNH市場受到來自其他市場的風險溢出貢獻

分別達到98%和81%，在三個市場中處于最高值，可

以認為該市場是風險溢出效應(yīng)的主要承受者。這些

結(jié)果表明，境內(nèi)外匯市場上的人民幣匯率風險變化

對境外同類市場有決定性影響，因為境內(nèi)外匯市場

的風險沖擊更容易擴散至境外市場，從而引發(fā)風險

共振。

第二，從意外波動率、條件偏度、條件峰度的角

度來看，CNY市場接受來自自身的風險溢出性都是

最強的，風險溢出貢獻分別為98.4%、100%和100%，

表明境內(nèi)人民幣外匯市場的匯率風險主要由本土沖

擊因素所致。導致該結(jié)果的原因可能是，境內(nèi)外匯

風險沖擊的外向擴散更為便利，而境外人民幣外匯

市場對境內(nèi)外匯市場的風險溢出渠道仍較為有限。

3.風險溢出機制分析

圖3展示了三個人民幣外匯市場之間在各階矩

下的風險溢出機制，可以發(fā)現(xiàn)：

第一，在意外波動視角下，CNY、CNH和NDF市

場間普遍存在著雙向風險溢出關(guān)系，市場間的風險

溢出渠道較為豐富。其中，CNY市場對CNH市場和

NDF市場具有較強的風險溢出效應(yīng)，強度值分別達

到了49.4%和61.4%，大大高于CNH 和NDF 對CNH

市場的風險溢出強度，這表明CNY市場已經(jīng)成為最

主要的風險溢出方。此外，在CNH市場與NDF市場

的雙向風險溢出關(guān)系中，前者對后者的單向風險溢

出強度相對更強，這可能意味著CNH市場作為連接

境內(nèi)外人民幣外匯市場的信息中介，也起到市場風

險由境內(nèi)向境外擴散的橋接作用。

第二，在條件偏度視角下，CNH 市場的風險溢

出中介作用體現(xiàn)得尤為突出，僅存在由CNY市場經(jīng)

由CNH市場向NDF市場傳遞風險的單向風險溢出

路徑，溢出強度依次為98.1%和31.3%。這說明境內(nèi)

外匯市場上的小概率風險沖擊會通過CNH 市場傳

導至NDF市場，引發(fā)三個市場的風險共振。

第三，在條件峰度視角下，CNY市場不僅可以

通過CNH市場對NDF市場實現(xiàn)間接風險溢出，還具

有對NDF市場的直接風險溢出，強度值為1.5%。這

表明在極端風險條件下，境內(nèi)人民幣外匯市場更多

地成為了風險溢出的中心，而在兩條單向風險溢出

表4 基于多階矩風險指標的CNY、CNH及NDF市場間

靜態(tài)風險溢出效應(yīng)

風險指標

意外

波動率

條件

偏度

條件

峰度

市場類型

CNY市場

CNH市場

NDF市場

對其他市場貢獻度

包含對自身貢獻度

CNY市場

CNH市場

NDF市場

對其他市場貢獻度

包含對自身貢獻度

CNY市場

CNH市場

NDF市場

對其他市場貢獻度

包含對自身貢獻度

CNY市場

98.4

49.4

61.4

110.8

209.2

100.0

98.1

0.0

98.1

198.1

100.0

81.0

1.5

82.5

182.5

CNH市場

1.6

50.3

6.1

7.7

58.0

0.0

1.9

31.3

31.3

33.2

0.0

19.0

5.9

5.9

24.9

NDF市場

0.1

0.3

32.4

0.4

32.8

0.0

0.0

68.7

0.0

68.7

0.0

0.0

92.6

0.0

92.6

其他市場

1.6

49.7

67.6

118.9

39.6%

0.0

98.1

31.3

129.4

43.1%

0.0

81.0

7.4

88.4

29.5% 圖3 CNY、CNH及NDF市場間的風險溢出機制

人民幣國際化 RMB Internationalization

15

2023年第9期 WUHAN

FINANCE

路徑均發(fā)揮作用的情況下，境外NDF市場成為了風

險溢出的接受者。

從上述分析中可知，境內(nèi)人民幣外匯市場已經(jīng)

占據(jù)各階矩風險溢出中心的地位，其作為人民幣匯

率市場信息中樞和定價核心的優(yōu)勢得以凸顯，而香

港離岸市場則扮演者境內(nèi)外風險溢出的重要通道角

色；隨著中國地區(qū)人民幣外匯市場的崛起，NDF 市

場的影響力已經(jīng)下降。不僅如此，上述結(jié)論還顯示

境內(nèi)人民幣外匯市場已經(jīng)具備了一定程度的抗風險

能力，這對于維系人民幣匯率的穩(wěn)定有重大意義，對

于加強境內(nèi)外人民幣匯率的協(xié)動性也會產(chǎn)生積極影

響。因此，市場參與者在做資產(chǎn)決策時需要更多考

慮CNY市場帶來的影響，市場管理部門在制定匯率

政策時也可將更多的目光投向CNY市場。

（二）時域視角下動態(tài)風險溢出效應(yīng)檢驗

本文將采用滾動時間窗口法對DY溢出指數(shù)模

型進行動態(tài)估計，進一步分析各階矩風險維度上境

內(nèi)外人民幣外匯市場間的動態(tài)風險溢出總效應(yīng)。參

照Barunik等[29]

的設(shè)定，本文將預測步長設(shè)置為向前

100天，滾動時間窗口長度設(shè)置為200天。實證結(jié)果

如圖4所示，從中可以發(fā)現(xiàn)：

第一，無論是意外波動、條件偏度還是條件峰度

視角下，境內(nèi)外人民幣外匯市場間的風險溢出總效

應(yīng)都具有顯著的時變性。從總體上看，風險溢出系

數(shù)隨時間推移呈不斷增加的趨勢，表明境內(nèi)外人民

幣外匯市場的風險聯(lián)動性正日益增加，這是市場間

信息交流日漸頻繁，風險溢出渠道不斷豐富的結(jié)果。

第二，動態(tài)意外波動、動態(tài)條件偏度以及動態(tài)條

件峰度的風險溢出系數(shù)都出現(xiàn)了多個結(jié)構(gòu)斷點，但

在兩個最明顯的時段前后，風險溢出系數(shù)均出現(xiàn)先

降后升的趨勢，足以體現(xiàn)政策性時間對境內(nèi)外人民

幣外匯市場間的風險聯(lián)動關(guān)系存在顯著影響。第一

個明顯斷點出現(xiàn)在2015年“8.11”匯改期間，在我國

央行宣布改革人民幣匯率形成機制后，各階矩下的

風險溢出系數(shù)都出現(xiàn)了跳躍式上漲。可以認為，此

次改革不僅增加了人民幣匯率定價的市場化程度，

也更好地體現(xiàn)出市場預期調(diào)整對匯價的影響，有利

于疏通境內(nèi)外人民幣外匯市場間的信息溝通渠道，

使風險溢出效應(yīng)出現(xiàn)跳躍式增強。第二個明顯斷點

出現(xiàn)在2019年5月，期間發(fā)生了兩大事件，即我國深

化銀行業(yè)保險業(yè)對外開放以及中美貿(mào)易爭端爆發(fā)。

在該斷點處，各階矩下的風險溢出效應(yīng)也顯著上升，

這可能是因為在重大事件信息的廣泛、快速傳播下，

大量交易者非理性行為驅(qū)動產(chǎn)生了羊群效應(yīng)[30]

，短

時間內(nèi)強化了境內(nèi)外人民幣外匯市場的風險聯(lián)動。

第三，2020年4月以來，境內(nèi)外人民幣外匯市場

間各階矩風險溢出效應(yīng)都存在著明顯下降趨勢。這

可能是由于全球新冠疫情大流行累及金融領(lǐng)域，從

而引發(fā)了金融市場動蕩，投資者出現(xiàn)恐慌情緒，資本

市場參與度有所下降[31]

，導致市場間的風險溢出效

應(yīng)減弱。

圖4 基于多階矩風險指標的CNY、CNH及NDF市場間

的動態(tài)風險溢出效應(yīng)

六、各階矩維度下境內(nèi)外人民幣外匯市場間

的風險聯(lián)動性檢驗

前文從頻域和時域角度驗證了境內(nèi)外人民幣外

匯市場間存在著明顯的風險溢出效應(yīng)，在此基礎(chǔ)上，

本文將采用二元 DCC-GARCH 模型進一步分析兩

兩市場間的風險聯(lián)動性，對境內(nèi)外市場間的風險溢

出效應(yīng)所體現(xiàn)出的時變特征進行更為細致的研究。

（一）DCC-GARCH估計結(jié)果分析

根據(jù)表5的估計結(jié)果，CNY與CNH市場組合的

α、β系數(shù)值分別為0.012和0.406，都處于中等水平，

表明這兩個市場對于新信息的接受程度一般，風險

溢出效應(yīng)持續(xù)期也不長。對于CNY與NDF市場組

合而言，α系數(shù)值僅為0.006，而β系數(shù)值高達0.76，說

明該市場組合的信息敏感程度極低，風險溢出效應(yīng)

的持續(xù)時間卻很長。CNH與NDF市場組合的α、β系

數(shù)值分別為0.261和0.239，分別為三個市場組合中

的最高值和最低值，這表明該市場組合的信息接受

16

程度更高，對新信息的敏感程度更強，但風險溢出效

應(yīng)的持續(xù)時間最短。該結(jié)果表明，境內(nèi)人民幣外匯

市場是未預期信息的源頭市場，產(chǎn)生波動沖擊后，

CNH市場充當三個市場的信息傳播媒介，對信息的

敏感程度最高，在未預期的波動沖擊下，反應(yīng)更加劇

烈，而 NDF 市場是風險溢出的接收者，存在的波動

溢出效應(yīng)持續(xù)時間更長。

從條件偏度和條件峰度的模型分析結(jié)果來看，

條件偏度的模型結(jié)果顯示α系數(shù)和β系數(shù)均顯著不

為0，α系數(shù)顯著表明現(xiàn)有信息對下一期波動存在影

響，β系數(shù)顯著表明市場中波動存續(xù)性較強。同樣，

在條件偏度序列中CNY市場和NDF市場之間對新

信息的敏感程度最高，而CNY市場和CNH市場之間

的波動存續(xù)期最長。根據(jù)上文對條件偏度序列的定

義，即當一個市場出現(xiàn)大幅漲跌時其他市場發(fā)生大

幅漲跌的概率，上述現(xiàn)象表明當CNY市場產(chǎn)生大幅

漲跌時NDF市場出現(xiàn)大幅漲跌的概率是最高的，而

持續(xù)時間卻又最短。對于該現(xiàn)象本文認為，NDF市

場的市場地位自2010年CNH市場出現(xiàn)后持續(xù)降低，

更多承受來自其他市場的沖擊，因此當其他市場產(chǎn)

生大幅波動時最易受到影響，而CNY市場和CNH市

場的關(guān)聯(lián)程度越來越高，因此存在較高的β系數(shù)。

條件峰度模型結(jié)果顯示，僅在CNY市場和CNH

市場存在顯著不為零的α系數(shù)和β系數(shù)，CNY市場和

NDF 市場在 10%的水平上存在顯著的β系數(shù)，根據(jù)

上文定義，條件偏度序列表示當一個市場發(fā)生極端

概率事件時其他市場同樣發(fā)生極端概率事件的可能

性。這也就表明當 CNY 市場產(chǎn)生極端概率事件時

CNH市場發(fā)生極端概率的可能性很大。

從整體來看，意外波動率的α、β值之和小于條

件偏度的系數(shù)值之和，而條件峰度序列的α、β值部

分不顯著，說明條件偏度的波動聚集效應(yīng)最強，意外

波動率次之，條件峰度的波動聚集效應(yīng)最弱，該特征

與上文的靜態(tài)溢出指數(shù)模型結(jié)果保持一致。

（二）動態(tài)條件相關(guān)系數(shù)分析

圖 5 展示了基于各階矩風險指標測算得出的

CNY市場、CNH市場和NDF市場間的動態(tài)條件相關(guān)

系數(shù)。

圖5 基于多階矩風險指標的CNY、CNH及NDF市場間

動態(tài)相關(guān)系數(shù)

從意外波動率視角來看，在未預期沖擊因素影

響下境內(nèi)外人民幣外匯市場的風險具有明顯的、同

向變化的聯(lián)動特征。兩兩外匯市場間的動態(tài)風險相

關(guān)性均為正值，即CNY和CNH市場、CNY和NDF市

場、CNH 和 NDF 市場的對偶動態(tài)條件相關(guān)系數(shù)

（Pairwise Dynamic Conditional Correlation）平均保持

在0.68至0.70之間，且隨著時間推移相關(guān)系數(shù)逐漸

增大，表明兩兩市場間的風險趨同性在日益增強。

表5 DCC-GARCH模型參數(shù)

風險指標

意外波動率

條件偏度

條件峰度

市場組合

CNY+CNH

CNY+NDF

CNH+NDF

CNY+CNH

CNY+NDF

CNH+NDF

CNY+CNH

CNY+NDF

CNH+NDF

α

0.012***

(2.953)

0.006***

(2.863)

0.261***

(7.441)

0.128***

(18.400)

0.366***

(12.805)

0.047

(0.680)

0.001**

(2.096)

0.002

(1.250)

0.434

(0.284)

β

0.406***

(3.513)

0.757***

(5.065)

0.239***

(5.986)

0.765***

(75.421)

0.543***

(17.226)

0.699***

(2.419)

0.796***

(12.831)

0.772*

(1.931)

0.515

(1.353)

注：表中α和β源自公式（19）。參數(shù)α表示現(xiàn)有信息對下一期波動

性的影響程度，α越高則市場間新信息的敏感程度也越高；參數(shù)β

表示上一期市場波動相關(guān)性對當期市場波動相關(guān)性的影響程度，

β越大則市場風險溢出持續(xù)時間越長。

人民幣國際化 RMB Internationalization

17

2023年第9期 WUHAN

FINANCE

從條件偏度視角來看，即便受到小概率沖擊因

素影響，境內(nèi)外人民幣外匯市場間的動態(tài)風險關(guān)聯(lián)

性也始終保持在較為穩(wěn)定的水平上，但兩兩市場間

的風險聯(lián)動程度存在明顯差異。CNY和CNH市場、

CNY和NDF市場以及CNH和NDF市場的對偶動態(tài)

條件相關(guān)系數(shù)平均值分別為-0.9、0和-0.1，且在大

部分情況下都為負值，這意味著兩兩市場間的風險

是負相關(guān)的，其中境內(nèi)市場和香港離岸市場之間的

風險負相關(guān)性最強。

從條件峰度視角來看，境內(nèi)外人民幣外匯市場

間的風險關(guān)聯(lián)性也較為穩(wěn)定，對于極端沖擊的響應(yīng)

方向較為一致。CNY 和 CNH 市場、CNY 和 NDF 市

場以及CNH和NDF市場的對偶動態(tài)條件相關(guān)系數(shù)

平均值分別為0.9、0.12和1.5，且較多地處于正值區(qū)

間，這說明兩兩市場間同樣存在風險趨同特征，其

中，香港離岸市場和境外NDF市場間的風險正相關(guān)

性最強。

此外，在意外波動率維度和條件偏度維度下，兩

兩市場間的動態(tài)條件相關(guān)系數(shù)變動更為劇烈，表明未

預期沖擊和小概率沖擊都會增強境內(nèi)外人民幣外匯

市場間的風險關(guān)聯(lián)性。同樣，2015年“8.11”匯改、2019

年中美貿(mào)易爭端以及2020年新冠疫情等重大沖擊

因素都會加劇市場間的風險聯(lián)動性，故在上述時間

點上可以看到對偶動態(tài)條件相關(guān)系數(shù)發(fā)生了突變。

七、穩(wěn)健性檢驗

為檢驗本文的風險溢出效應(yīng)實證結(jié)果的穩(wěn)定

性，分別選取 150 天、250 天和 300 天的滾動窗口進

行穩(wěn)健性檢驗，檢驗結(jié)果如下：

表6 穩(wěn)健性檢驗

滾動窗口期

150天

250天

300天

意外波動率

溢出效應(yīng)

39.6%

39.6%

39.6%

條件偏度風險

溢出效應(yīng)

43.1%

43.1%

43.1%

條件峰度風險

溢出效應(yīng)

29.5%

29.5%

29.5%

從表6結(jié)果來看，境內(nèi)外人民幣外匯市場間仍

然明顯存在較強的意外波動、條件偏度以及條件峰

度風險溢出效應(yīng)，且溢出強度關(guān)系一致，這與上文研

究結(jié)論相符。因此，本文的時變多階矩風險溢出效

應(yīng)測算結(jié)果對于滾動時間窗長度的選取并不敏感，

證實了本文實證結(jié)果具有穩(wěn)健性。

八、結(jié)論和政策建議

本文考慮多階矩風險的存在性，測算了人民幣

兌美元匯率的意外波動率、條件偏度風險和條件峰

度風險等指標，研究了境內(nèi)外人民幣外匯市場間的

風險溢出效應(yīng)，主要得出以下結(jié)論：第一，以意外波

動率、條件偏度和條件峰度來衡量的二階矩、三階矩

和四階矩匯率風險指標均存在風險積聚特征，且條

件偏度風險和條件峰度風險能夠更好地捕捉到小概

率沖擊或極端沖擊的影響。第二，境內(nèi)外人民幣外

匯市場間存在顯著的靜態(tài)風險溢出效應(yīng)；在頻域視

角下，意外波動率風險溢出效應(yīng)具有20天左右的緩

釋期，而條件偏度和條件峰度風險溢出效應(yīng)在5天

左右達到強度峰值，效應(yīng)持續(xù)期較短。第三，在各階

矩維度下，境內(nèi)外市場間的風險溢出效應(yīng)存在不對

稱性，境內(nèi)市場對境外市場的風險溢出效應(yīng)相對更

強。第四，境內(nèi)外市場間的風險溢出效應(yīng)作用機制

表明，境內(nèi)市場才是風險溢出的源頭，市場風險往往

通過CNH市場向外溢出，故CNH市場是跨境外匯風

險傳導的中介，而 NDF 市場成為風險溢出的對象。

第五，從時域角度看，各階矩維度下境內(nèi)外人民幣外

匯市場間的風險溢出效應(yīng)都具有明顯的時變特征，

市場間的風險聯(lián)動性隨時間推移不斷增加；風險溢

出效應(yīng)存在結(jié)構(gòu)斷點，表明未預期沖擊、小概率沖擊

和極端沖擊會使得市場間的風險溢出效應(yīng)突然增

強。第六，從風險溢出效應(yīng)所體現(xiàn)的風險聯(lián)動性來

看，境內(nèi)外市場的風險聯(lián)動性在各階矩維度下都是

顯著的，其中，基于意外波動率的市場風險關(guān)聯(lián)性呈

現(xiàn)出不斷增強的趨勢，而基于條件偏度和條件峰度

的市場風險關(guān)聯(lián)性總體較為穩(wěn)定。

本文的結(jié)論對外匯市場上的投資者和政策制定

者具有如下參考意義：第一，應(yīng)從多階矩視角來看待

外匯市場風險，對于境內(nèi)外人民幣外匯市場間的風

險傳導問題，不僅要考慮傳統(tǒng)的波動溢出效應(yīng)，更應(yīng)

該考慮意外波動率、條件偏度和條件峰度風險溢出

效應(yīng)。第二，應(yīng)關(guān)注國內(nèi)外重大事件對人民幣外匯

市場產(chǎn)生的沖擊，注重防范由境內(nèi)外市場的風險共

振增強而引發(fā)我國系統(tǒng)性金融風險上升。第三，著

力提高境內(nèi)人民幣外匯市場的定價效率，強化信息

的跨市場溝通，增強境內(nèi)外市場聯(lián)動，更好地發(fā)揮境

內(nèi)市場作為信息中樞和定價中心的作用；同時提高

人民幣匯率波動韌性，進一步強化境內(nèi)市場的抗風

18

險能力。第四，不斷完善跨境市場風險傳染防控機

制，針對未預期的波動沖擊，要利用境內(nèi)人民幣外匯

市場作為風險溢出源頭的市場地位及時阻斷跨市場

沖擊傳導，以維護市場穩(wěn)定。第五，在小概率或極端

風險事件發(fā)生時，更要關(guān)注短期內(nèi)條件偏度和條件

峰度溢出效應(yīng)加劇對境內(nèi)市場造成過度的負面沖

擊，制定可操作的風險控制預案?！?/p>

注 釋

① 一種貨幣就是人民幣；三種匯率指的是境內(nèi)人民幣匯

率、香港離岸人民幣匯率和NDF人民幣匯率；三類外匯市場

指的是境內(nèi)人民幣外匯市場、香港離岸人民幣外匯市場和

NDF人民幣外匯市場。

[參考文獻]

[1] 譚小芬，張輝，楊楠，等.離岸與在岸人民幣匯率：聯(lián)動機

制和溢出效應(yīng)：基于VAR-GARCH-BEKK模型的分析[J].管

理科學學報，2019（7）：52-65.

[2] 崔金鑫，鄒輝文.時頻視角下國際股市間高階矩風險溢出

效應(yīng)研究[J].國際金融研究，2020（6）：75-85.

[3] 徐劍剛，李治國，張曉蓉.人民幣NDF與即期匯率的動態(tài)

關(guān)聯(lián)性研究[J].財經(jīng)研究，2007（9）：61-68.

[4] 嚴敏，巴曙松.人民幣即期匯率與境內(nèi)外遠期匯率動態(tài)關(guān)

聯(lián)：NDF監(jiān)管政策出臺之后[J].財經(jīng)研究，2010（2）：15-25.

[5] 伍戈，裴誠.境內(nèi)外人民幣匯率價格關(guān)系的定量研究[J].

金融研究，2012（9）：62-73.

[6] 周先平，李標.境內(nèi)外人民幣即期匯率的聯(lián)動關(guān)系：基于

VAR-MVGARCH 的實證分析[J].國際金融研究，2013（5）：

4-14.

[7] 闕澄宇，馬斌.人民幣在岸與離岸市場匯率的非對稱溢出

效應(yīng)：基于VAR-GJR-MGARCH-BEKK模型的經(jīng)驗證據(jù)[J].

國際金融研究，2015（7）：21-32.

[8] MAZIAD S，KANG J S. RMB Internationalization：O +

L5022nshore/Offshore Links[R]. IMF Working Paper No.2012/

133，2012.

[9] LEUNG D，F(xiàn)U J. Interactions between CNY and CNH Mon?

ey and Forward Exchange Markets[R]. HKIMR Working Paper

No.132014，2014.

[10] CHEUNG Y- W，RIME D. The Offshore Renminbi Ex?

change Rate：Microstructure and Links to the Onshore Market

[J]. Journal of International Money and Finance，2014，49：170-

189.

[11] 王芳，甘靜蕓，錢宗鑫，等.央行如何實現(xiàn)匯率政策目標：

基于在岸-離岸人民幣匯率聯(lián)動的研究[J].金融研究，2016

（4）：34-49.

[12] 顧嵩楠，萬解秋.人民幣離岸與在岸匯率聯(lián)動機制研究：

基于VAR-DCC-MVGARCH-BEKK模型[J].上海經(jīng)濟研究，

2019（2）：119-128.

[13] 李政，梁琪，卜林.人民幣在岸離岸市場聯(lián)動關(guān)系與定價

權(quán)歸屬研究[J].世界經(jīng)濟，2017（5）：98-123.

[14] 鐘永紅，鄧數(shù)紅“. 8·11匯改”后人民幣離岸在岸匯率和

利率的聯(lián)動性研究[J].世界經(jīng)濟研究，2020（12）：65-76+133.

[15] SHU C，HE D，CHENG X. One Currency，Two Markets：

The Renminbi's Growing Influence in Asia- Pacific[J]. China

Economic Review，2015，33：163-178.

[16] 丁劍平，胡昊，葉偉.在岸與離岸人民幣匯率動態(tài)研究：

基于美元因素和套利因素的視角[J].金融研究，2020（6）：

78-95.

[17] HAMAO Y，MASULIS R W，NG V K. Correlations in

Price Changes and Volatility Across International Stock Mar?

kets[J]. The Review of Financial Studies，1990，3（2）：281-307.

[18] ENGLE R F，NG V K. Measuring and Testing the Impact

of News on Volatility[J]. The Journal of Finance，1993，48（5）：

1749-1778.

[19] CHAN- LAU J A，IVASCHENKO I. Asian Flu or Wall

Street Virus? Tech and Non- tech Spillovers in the United

States and Asia[J]. Journal of Multinational Financial Manage?

ment，2003，13（4-5）：303-322.

[20] KIM S W，ROGERS J H. International Stock Price Spill?

overs and Market Liberalization：Evidence from Korea，Ja?

pan，and the United States[J]. Journal of Empirical Finance，

1995，2（2）：117-133.

[21] ABOURA S，CHEVALLIER J. Cross- market Spillovers

with 'Volatility Surprise'[J]. Review of Financial Economics，

2014，23（4）：194-207.

[22] DOROFEENKO V，LEE G，SALYER K，et al. Risk

Shocks with Time-varying Higher Moments[J]. Studies in Non?

linear Dynamics & Econometrics，2020，24（2）：20.

[23] RACICOT F-é，THéORET R，GREGORIOU G N. The

Response of Hedge Fund Higher Moment Risk to Macroeco?

nomic and Illiquidity Shocks[J]. International Review of Eco?

nomics & Finance，2021，72：289-318.

[24] 劉楊樹，鄭振龍，張曉南.風險中性高階矩：特征、風險與

應(yīng)用[J].系統(tǒng)工程理論與實踐，2012（3）：647-655.

[25] 許啟發(fā).高階矩波動性建模及應(yīng)用[J].數(shù)量經(jīng)濟技術(shù)經(jīng)

濟研究，2006（12）：135-145.

[26] 蔣翠俠，許啟發(fā)，張世英.金融市場條件高階矩風險與動

態(tài)組合投資[J].中國管理科學，2007（1）：27-33.

[27] LEóN á，RUBIO G，SERNA G. Autoregresive Condition?

al Volatility，Skewness and Kurtosis[J]. The Quarterly Review

of Economics and Finance，2005，45（4-5）：599-618.

[28] DIEBOLD F X，YILMAZ K. Better to Give Than to Re?

ceive：Predictive Directional Measurement of Volatility Spill?

overs[J]. International Journal of forecasting，2012，28（1）：57-66.

[29] BARUNíK J，KREHLíK T. Measuring the Frequency Dy?

namics of Financial Connectedness and Systemic Risk[J]. Jour?

nal of Financial Econometrics，2018，16（2）：271-296.

[30] 周小川.金融政策對金融危機的響應(yīng)：宏觀審慎政策框

架的形成背景、內(nèi)在邏輯和主要內(nèi)容[J].金融研究，2011

（1）：1-14.

[31] 中國銀行研究院全球經(jīng)濟金融研究課題組.全球經(jīng)濟大

概率陷入衰退，警惕滑入金融危機和經(jīng)濟危機：中國銀行全

球經(jīng)濟金融展望報告（2020年第二季度）[J].國際金融，2020

（4）：43-50.

（責任編輯：GW / 校對：XY）

人民幣國際化 RMB Internationalization

19

2023年第9期 WUHAN

FINANCE

一、引言

自工業(yè)革命以來，大量化石燃料消耗所產(chǎn)生的

碳排放加劇了全球氣候變暖，這嚴重影響了環(huán)境質(zhì)

量[1]

。2011—2020 年，全球地表溫度比 1850—1900

年升高了1.09℃，氣候變化引起的海平面持續(xù)上升、

空氣質(zhì)量下降、淡水匱乏、極端天氣和生態(tài)退化等一

系列問題嚴重威脅到人類健康、社會的穩(wěn)定和可持

續(xù)發(fā)展[2，3]

。因此，構(gòu)建綠色經(jīng)濟發(fā)展體系，不僅能

改善居民生態(tài)福祉，還有利于推動經(jīng)濟可持續(xù)發(fā)

展。同時，綠色發(fā)展需要技術(shù)作為支撐，綠色技術(shù)發(fā)

展對生產(chǎn)綠色產(chǎn)品，提高生產(chǎn)效率及降低污染物排

放具有重要影響。綠色創(chuàng)新不僅是生態(tài)文明建設(shè)和

經(jīng)濟發(fā)展的橋梁[4]

，也是推動能源行業(yè)變革、實現(xiàn)雙

碳標準的關(guān)鍵，是綠色發(fā)展和社會轉(zhuǎn)型的基石[5—7]

。

現(xiàn)階段，中國不僅需要依靠技術(shù)創(chuàng)新來推動經(jīng)濟發(fā)

展，還要依靠綠色創(chuàng)新來實現(xiàn)生態(tài)環(huán)境保護，助力實

現(xiàn)經(jīng)濟可持續(xù)發(fā)展[8]

。然而，綠色創(chuàng)新具有技術(shù)研

發(fā)周期長、投入成本大和復雜度高等特點，綠色創(chuàng)新

資金短缺嚴重阻礙了企業(yè)與城市的綠色發(fā)展，滿足

綠色創(chuàng)新資金需求是推動企業(yè)綠色創(chuàng)新的關(guān)鍵因素

和重要保障[9]

。

為了推動綠色發(fā)展，綠色金融應(yīng)運而生。綠色

金融不僅是一種市場機制設(shè)計，更是一種基于中長

期可持續(xù)發(fā)展的制度安排。綠色金融通過優(yōu)化信貸

資金配置，引導資金從高污染、高耗能產(chǎn)業(yè)流向技術(shù)

先進的部門。這不僅可以推動清潔行業(yè)綠色發(fā)展，

還能倒逼重污染企業(yè)積極進行綠色創(chuàng)新，激勵技術(shù)

摘 要：綠色金融對優(yōu)化信貸資金配置，構(gòu)建以市場為導向的綠色技術(shù)創(chuàng)新體系具有重要指引作用。本文采用 2012—2019 年 287 個

地級市面板數(shù)據(jù)，構(gòu)建雙重差分實證研究框架，分析綠色金融能否助力提高城市綠色創(chuàng)新水平。研究發(fā)現(xiàn)，綠色金融可以通過優(yōu)化信貸

資金配置助力清潔和非重污染行業(yè)綠色創(chuàng)新發(fā)展，從而能有效提升城市綠色創(chuàng)新水平，且經(jīng)過一系列穩(wěn)健性檢驗后該結(jié)論依舊成立。綠

色金融對城市綠色創(chuàng)新水平的影響作用在區(qū)域間存在顯著差異，主要表現(xiàn)為對東部、中部和環(huán)保監(jiān)管程度大的地區(qū)的綠色創(chuàng)新水平推動

作用更大。進一步拓展發(fā)現(xiàn)，綠色金融能同時實現(xiàn)經(jīng)濟效益和環(huán)境效益，即促進了經(jīng)濟增長并減少了污染排放。本文的啟示在于：第一，

應(yīng)持續(xù)強化落實綠色金融政策實施，擴大試點范圍；第二，建立支持綠色信貸的政策體系，不斷完善信貸制度；第三，加強區(qū)域創(chuàng)新聯(lián)動，

推動區(qū)域創(chuàng)新協(xié)調(diào)發(fā)展；第四，加強環(huán)境監(jiān)管并建立綠色創(chuàng)新扶持政策，助推行業(yè)高效協(xié)同發(fā)展。

關(guān)鍵詞：綠色金融；資源配置；綠色創(chuàng)新；雙重差分

中圖分類號：F832.1 文獻標識碼：A 文章編號：1009-3540（2023）09-0020-0008

基金項目：湖北省技術(shù)創(chuàng)新專項軟科學項目“湖北省科技型中小企業(yè)新三板市場融資效率研究”（2018ADC094）；湖北省中小企業(yè)研究

中心項目“金融科技與湖北省中小企業(yè)創(chuàng)新”（HBSME2022B03）；中南財經(jīng)政法大學中央高校基本科研業(yè)務(wù)費專項中研究生科研創(chuàng)新平臺

項目“環(huán)境‘費改稅’與企業(yè)高質(zhì)量發(fā)展”（202210408）資金資助。

■ 黃紀強 鄭鏗城

作者簡介：黃紀強（通訊作者）（1994—），男，中南財經(jīng)政法大學財政稅務(wù)學院博士研究生； 鄭鏗城（1997—），男，中南財經(jīng)政法大學財政

稅務(wù)學院博士研究生。

綠色金融、資金配置與

城市綠色創(chuàng)新

20

部門進行綠色研發(fā)，對綠色發(fā)展具有重要的指引作

用[10]

。為助力綠色發(fā)展，實現(xiàn)環(huán)境保護并提高綠色

創(chuàng)新能力，2017年6月，國務(wù)院決定在浙江、江西、廣

東、貴州、新疆五省八地設(shè)立綠色金融改革創(chuàng)新試驗

區(qū)。本文以此為契機，采用2012—2019年287個地

級市面板數(shù)據(jù)，構(gòu)建雙重差分實證研究框架，評估綠

色金融對城市綠色創(chuàng)新的影響，并從區(qū)域與環(huán)保監(jiān)

管角度探討異質(zhì)性影響差異，檢驗綠色金融對行業(yè)

間的金融配置效應(yīng)以及創(chuàng)新激勵效應(yīng)，并進一步分

析綠色金融的經(jīng)濟效益與環(huán)境效益。

與現(xiàn)有研究相比，本文可能的邊際貢獻如下：第

一，研究對象新穎。以往的綠色金融研究對象基本

是采用2017年之前的政策進行分析，如2007年頒布

的綠色信貸政策、2012 年的《綠色信貸指引》以及

2015年的《能效信貸指引》。而本文采用2017年實

施的“綠色金融改革創(chuàng)新試驗區(qū)”作為外生沖擊，從

宏觀層面識別了綠色金融對城市的綠色創(chuàng)新效應(yīng)。

第二，研究方法準確。本文采用準自然實驗的方法

對綠色金融進行評估，有效緩解了采用綠色信貸指

標所引發(fā)的反向因果問題，使實證結(jié)果更加準確。

第三，研究內(nèi)容豐富。本文從微觀企業(yè)層面佐證了

綠色金融對行業(yè)間的金融配置效應(yīng)和創(chuàng)新激勵效

應(yīng)，分析了綠色金融的區(qū)域差異，并進一步拓展檢驗

了綠色金融的經(jīng)濟效益和環(huán)境效益。本研究可為持

續(xù)推動綠色金融政策改革實施，助力綠色發(fā)展，實現(xiàn)

經(jīng)濟和生態(tài)雙贏提供一定的政策指導。

二、政策背景與研究假設(shè)

（一）政策背景

我國綠色信貸于2007年被首次提出，要求金融

機構(gòu)加強環(huán)保和信貸管理工作的協(xié)調(diào)配合，嚴格執(zhí)

行環(huán)保信貸并切實防范相關(guān)風險。2012 年 2 月 24

日，原中國銀監(jiān)會發(fā)布《綠色信貸指引》，進一步明確

了銀行業(yè)綠色信貸的標準和原則。2015 年，《生態(tài)

文明綜合改革方案》提出鼓勵綠色信貸發(fā)展的激勵

措施，即研究采用財政貼息作為促進環(huán)境保護的金

融政策工具。但由于缺乏明確的標準和政策細節(jié)、

實質(zhì)性激勵和剛性約束，該政策并未得到徹底推進。

2017年6月，國務(wù)院決定在五省八地開展綠色金融

改革試驗，優(yōu)先建設(shè)一批各有側(cè)重①、各具特色的綠

色金融改革創(chuàng)新試驗區(qū)，探索可復制和可推廣的體

制機制經(jīng)驗，并將《關(guān)于構(gòu)建綠色金融體系的指導意

見》作為指導綠色金融發(fā)展的頂層設(shè)計和規(guī)劃性政

策。因此，綠色金融改革試驗區(qū)的設(shè)立對優(yōu)化信貸

資金配置，引導企業(yè)綠色創(chuàng)新發(fā)展具有重要影響。

（二）研究假設(shè)

中國綠色金融發(fā)展具有鮮明的“頂層設(shè)計”特

征，通過引導、干預資金投向，從而實現(xiàn)信貸資金配

置。面對日益嚴峻的環(huán)境挑戰(zhàn)，推動高污染、高耗能

產(chǎn)業(yè)轉(zhuǎn)型升級，構(gòu)建綠色發(fā)展體系至關(guān)重要。綠色

金融限制了高污染企業(yè)的信貸資金，使高污染企業(yè)

面臨更為嚴格的環(huán)境規(guī)制。Kudratova等[11]

認為綠色

項目比傳統(tǒng)創(chuàng)新項目能為投資者帶來更多利潤，因

此，綠色金融很可能會增加企業(yè)的清潔能源創(chuàng)新投

入。Tang等[12]

指出，綠色債券有利于股東推動其公

司進入綠色相關(guān)領(lǐng)域，進而刺激綠色創(chuàng)新。Liu等[13]

認為綠色金融是支持環(huán)境友好型企業(yè)開展綠色項目

和流程的關(guān)鍵。從內(nèi)部治理角度而言，綠色金融具

有一定監(jiān)管能力，可以有效降低管理者的信息租金

抽取規(guī)模，抑制管理者利用信息優(yōu)勢從事自利行為，

經(jīng)理人將會更加努力地開展綠色創(chuàng)新投資，尋求綠

色發(fā)展機會，從而推動綠色生產(chǎn)。如果企業(yè)積極開

展綠色創(chuàng)新，履行社會責任[14]

，向公眾和銀行傳遞綠

色轉(zhuǎn)型信號，公司的積極治理可為其獲得更多現(xiàn)金

流。綠色金融可通過降低企業(yè)的融資約束[15]

，獲得

更多的短期或長期貸款[16]

，從而助力企業(yè)綠色發(fā)展，

有效提升城市的綠色創(chuàng)新能力?；谏鲜隼碚?，本

文提出假設(shè)1。

H1：綠色金融能有效提高城市綠色創(chuàng)新水平。

綠色金融通過優(yōu)化信貸資金配置，引導資源從

高污染、高耗能產(chǎn)業(yè)流向技術(shù)先進的部門，從而推動

清潔與非重污染行業(yè)的綠色發(fā)展。由于綠色創(chuàng)新需

要大量的資金投入，而清潔行業(yè)一般都是治污企業(yè)，

是綠色創(chuàng)新的供給方，因此，在政策實施初期，這些

企業(yè)大多會遵循成本優(yōu)先戰(zhàn)略去利用資金搶占市

場，采用差異化競爭戰(zhàn)略進行產(chǎn)品創(chuàng)新。在信貸資

金支持下，清潔行業(yè)可以將更多資金用于綠色研

發(fā)。清潔行業(yè)可以不斷進行綠色創(chuàng)新探索，在原有

的基礎(chǔ)上加大綠色創(chuàng)新力度，綠色金融可以為清潔

行業(yè)發(fā)展提供充足的資金來源和制度保障，通過優(yōu)

化信貸資金配置有效推動企業(yè)進行綠色創(chuàng)新，不斷

提升城市的綠色創(chuàng)新水平。然而，綠色金融減少了

綠色經(jīng)濟 Green Economy

21

2023年第9期 WUHAN

FINANCE

重污染行業(yè)的信貸資金，這可能會降低企業(yè)的綠色

治理動機并減少其綠色投入，對重污染行業(yè)產(chǎn)生一

定的懲罰效應(yīng)。此外，從“波特假說”理論可知，適當

的環(huán)境規(guī)制也可以促進企業(yè)進行技術(shù)革新[17]

。綠色

金融可以倒逼企業(yè)積極進行綠色技術(shù)研發(fā)，通過使

用更清潔的技術(shù)向銀行獲得綠色貸款，加速企業(yè)綠

色創(chuàng)新。Owen等[18]

認為，政府應(yīng)采取政策促進綠色

創(chuàng)新，進而為企業(yè)提供外部融資。綠色金融能夠通

過解決融資約束來促進企業(yè)的綠色創(chuàng)新進程[19，20]

。

因此，綠色金融可能會通過優(yōu)化信貸資金配置極大

地推動清潔行業(yè)綠色創(chuàng)新發(fā)展，但對重污染行業(yè)的

創(chuàng)新效應(yīng)尚不確定?；诖耍疚奶岢黾僭O(shè)2。

H2：綠色金融可能會增加清潔行業(yè)信貸資金助

力綠色創(chuàng)新，減少重污染行業(yè)的信貸資金，但對重污

染的綠色創(chuàng)新效應(yīng)不確定。

三、研究設(shè)計

（一）數(shù)據(jù)來源

本文選取2012—2019年287個地級市面板數(shù)據(jù)

來評估綠色金融對城市的綠色創(chuàng)新效應(yīng)影響，綠色

創(chuàng)新數(shù)據(jù)來源于中國研究數(shù)據(jù)服務(wù)平臺（CNRDS），

其他城市層面的數(shù)據(jù)均來源于EPS數(shù)據(jù)庫和中國城

市年鑒，企業(yè)層面數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。本文

對數(shù)據(jù)分年份進行了1%和99%的縮尾處理，輸出結(jié)

果為stata15.1。

（二）變量選取

1.被解釋變量

綠色創(chuàng)新（Ginnova）。專利數(shù)據(jù)可分為申請和

授權(quán)。由于專利在申請過程中可能會引發(fā)經(jīng)濟效果

或?qū)＠麅r值[21]

，因此本文采用綠色專利申請數(shù)量來

衡量城市的綠色創(chuàng)新水平，對綠色專利申請數(shù)量加

一進行對數(shù)化處理。

2.解釋變量

綠色金融（DID）。2017 年 6 月，國務(wù)院決定在

全國浙江、江西、廣東、貴州、新疆五省設(shè)立綠色金融

改革創(chuàng)新試驗區(qū)。本文借鑒現(xiàn)有研究做法[14，22，23]

，設(shè)

定時間虛擬變量 time ，將2017年及之后設(shè)定為1，反

之設(shè)定為0；設(shè)定政策虛擬變量 treat ，將浙江、江西、

廣東、貴州、新疆五省地區(qū)設(shè)定為1，反之設(shè)定為0。

時間虛擬變量和政策虛擬變量交互 time × treat 得到

綠色金融變量 DID 。

3.控制變量

為保證實證結(jié)果的準確性，本文控制了可能影

響城市綠色創(chuàng)新水平的相關(guān)變量。（1）經(jīng)濟發(fā)展

（LnGDP）。地方經(jīng)濟發(fā)展水平越高，越有能力開展

創(chuàng)新，選取地區(qū)生產(chǎn)總值對數(shù)化來反映。（2）工業(yè)發(fā)

展（Ecy）。工業(yè)發(fā)展對經(jīng)濟貢獻巨大，選取二產(chǎn)業(yè)增

加值與地區(qū)生產(chǎn)總值比值來反映。（3）服務(wù)業(yè)發(fā)展

（Scy）。服務(wù)業(yè)推動產(chǎn)業(yè)轉(zhuǎn)型升級具有重要影響，選

取三產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值比值來反映。（4）開

放度（Open）。地區(qū)開放度越高表明貿(mào)易規(guī)模越大，

越容易加速創(chuàng)新，選取進出口總值與地區(qū)生產(chǎn)總值

比值來反映。（5）外商直接投資（Lnfdi）。外商直接

投資是中國經(jīng)濟發(fā)展的重要因素之一，可通過學習

模仿外國先進技術(shù)進行創(chuàng)新，選取當年實際利用外

資額對數(shù)化來反映。（6）人口規(guī)模（Lnpop）。地區(qū)人

口反映城市集聚，規(guī)模越大表明地區(qū)的經(jīng)濟活動越

頻繁，較容易推動創(chuàng)新，選取地區(qū)常住人口對數(shù)化來

反映。（7）政府創(chuàng)新干預（Gov）。政府干預表明政府

對地方創(chuàng)新活動的政策支撐，選取財政支出中科技

創(chuàng)新投入占地區(qū)生產(chǎn)總值比值來反映。（8）財政支出

（Fiscalexp）。財政支出會影響企業(yè)生產(chǎn)行為，選取

一般預算內(nèi)財政支出占地區(qū)生產(chǎn)總值比值來反映。

具體變量含義、符號及處理方式見表1。

表1 變量定義

變量

綠色創(chuàng)新

綠色金融

經(jīng)濟發(fā)展

工業(yè)發(fā)展

服務(wù)業(yè)發(fā)展

開放度

外商直接投資

人口規(guī)模

政府創(chuàng)新干預

財政支出

符號

Ginnova

DID

LnGDP

Ecy

Scy

Open

Lnfdi

Lnpop

Gov

Fiscalexp

處理方式

（城市綠色專利申請數(shù)量+1）對數(shù)化

時間虛擬變量time×政策虛擬變量treat。2017年

及之后設(shè)定time為1，反之設(shè)定為0；綠色金融改

革創(chuàng)新試驗區(qū)省市設(shè)定treat為1，反之設(shè)定為0

地區(qū)生產(chǎn)總值對數(shù)化

地區(qū)第二產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值比值

地區(qū)第三產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值比值

地區(qū)進出口總值與地區(qū)生產(chǎn)總值比值

地區(qū)實際利用外資額對數(shù)化

地區(qū)常住人口對數(shù)化

地區(qū)財政支出中科技創(chuàng)新投入占地區(qū)生產(chǎn)總值

地區(qū)一般預算內(nèi)財政支出占地區(qū)生產(chǎn)總值比值

表2為各個變量的描述性統(tǒng)計。城市的綠色創(chuàng)

新水平的均值為 7.761，標準差為 1.534，最小值為

3.989，最大值為 12.022，較大的標準差也反映出城

市之間的綠色創(chuàng)新水平存在較大差異。

22

表2 描述性統(tǒng)計

變量

綠色創(chuàng)新

綠色金融

經(jīng)濟發(fā)展

工業(yè)發(fā)展

服務(wù)業(yè)發(fā)展

開放度

外商直接投資

人口規(guī)模

政府創(chuàng)新干預

財政支出

觀測值

2296

2296

2296

2296

2296

2296

2296

2296

2296

2296

均值

7.761

0.067

7.393

0.463

0.416

0.171

10.109

5.879

0.002

0.205

標準差

1.534

0.249

0.908

0.105

0.096

0.267

1.848

0.676

0.002

0.097

最小值

3.989

0.000

5.378

0.121

0.168

0.001

2.996

3.851

0.001

0.069

最大值

12.022

1.000

10.201

0.809

0.729

1.821

14.152

7.791

0.159

0.702

（三）模型設(shè)定

本文以 2017 年綠色金融改革創(chuàng)新試驗區(qū)為外

生沖擊，構(gòu)建雙重差分模型來評估綠色金融對城市

綠色創(chuàng)新水平的影響。具體模型設(shè)定如式（1）：

Ginnovait = α0 + α1DIDit + αXit + cityi × T +

timet + cityi + εit

（1）

其中，i 為城市，t 為年份，Ginnovait 為被解釋變

量，衡量城市綠色創(chuàng)新水平。 DIDit 為解釋變量，衡

量綠色金融。 α1 為本文關(guān)注的核心系數(shù)，反映綠色

金融對城市綠色創(chuàng)新的凈效應(yīng)。 Xit 為一系列控制

變量，cityi × T 為控制了城市層面時間趨勢效應(yīng)，

timet 為時間固定效應(yīng)，cityi 為城市固定效應(yīng)，εit 為

誤差項。

四、實證分析

（一）基準回歸

表3為綠色金融對城市綠色創(chuàng)新政策影響的基

準回歸結(jié)果。（1）列為不加控制變量的雙向固定效

應(yīng)，（2）到（4）列分別為加入控制變量的時間固定效

應(yīng)、城市固定效應(yīng)和雙向固定效應(yīng)。從表3的實證

結(jié)果可知，綠色金融顯著推動了城市的綠色創(chuàng)新水

平，均通過了1%的顯著性水平檢驗，表明繼續(xù)落實

強化綠色金融政策有利于推動城市創(chuàng)新發(fā)展[24，25]

。

因此，本文的假設(shè)1得到驗證。

（二）平行趨勢檢驗

進行平行趨勢檢驗以避免綠色金融對城市綠色

創(chuàng)新水平的效應(yīng)是源于其他政策效應(yīng)引起的。具體

而言，如果在政策實施之前，實驗組和對照組之間的

綠色創(chuàng)新水平便存在顯著差異，則表3中（4）列基準

回歸估計的結(jié)果可能會存在偏誤。為證實這一政策

效果確實是由于綠色金融引發(fā)的，需要保證在政策

實施之前實驗組和對照組不存在顯著差異，當政策

實施之后實驗組綠色創(chuàng)新水平顯著高于對照組。圖

1A和圖1B分別為無控制變量和有控制變量的平行

趨勢檢驗圖。從圖中可以看出，在政策實施之前，實

驗組和對照組之間的綠色創(chuàng)新水平圍繞0值上下波

動，未通過 5%的顯著性水平檢驗。在政策實施之

后，實驗組的綠色創(chuàng)新水平顯著高于對照組，通過

5%的顯著性水平檢驗，平行趨勢檢驗通過。

圖1 平行趨勢檢驗

（三）穩(wěn)健性檢驗

為保證實證結(jié)果的可信性，本文進行了一系列

穩(wěn)健性檢驗。表 4（1）列排除了其他可能的政策影

響。自2008年起，國家明確提出創(chuàng)新型城市目標。

該政策的提出對推動城市創(chuàng)新發(fā)展，依靠科技、知識

和人力等要素激發(fā)城市創(chuàng)新具有重要意義[26]

。因

此，表4（1）列構(gòu)建創(chuàng)新型城市（Innovacity）虛擬變量

納入模型進行控制。由于創(chuàng)新專利的研發(fā)產(chǎn)出存在

一定的周期，雖然本文采用的是專利申請數(shù)據(jù)，在一

表3 基準回歸

變量

DID

控制變量

趨勢效應(yīng)

時間固定

城市固定

_cons

R2

N

(1)

0.2214***

(0.0512)

否

是

是

是

4.5822***

(0.0206)

0.7641

2296

(2)

0.1513***

(0.0541)

是

是

是

否

-5.2874***

(0.3923)

0.8356

2296

(3)

0.3022***

(0.0514)

是

是

否

是

-6.1321***

(0.9402)

0.8123

2296

(4)

0.1635***

(0.0565)

是

是

是

是

2.5904***

(0.8701)

0.7452

2296

注：*、**、***分別表示在10%、5%、1%的水平上顯著，括號中為標

準誤，模型均采用地級市層面進行聚類標準估計。下表同。

綠色經(jīng)濟 Green Economy

23

2023年第9期 WUHAN

FINANCE

定程度上有效緩解了專利授權(quán)數(shù)據(jù)長周期的影響，

但專利的研發(fā)與申請往往存在一定的滯后，因此表

4（2）列引入綠色專利的滯后項，將滯后一階的綠色

專利數(shù)據(jù)（L.1Ginnova）納入模型進行控制。由于直

轄市、省會城市和副部級城市的行政級別、經(jīng)濟稟賦

與市場環(huán)境等因素對創(chuàng)新均具有較大影響，因此表

4（3）列剔除了直轄市、省會城市和副部級城市進行

分析。本文采用地級市層級進行聚類標準估計，由

于同一個省份下的地級市往往會受到省份的政策影

響，因此同一省份下的地級市會存在較大的相關(guān)，但

是省份之間較為獨立，因此表4（4）列采用省級層面

進行聚類估計，這樣不會由于樣本相關(guān)性而影響估

計結(jié)果的誤差，可以提高估計的有效性[27]

。值得注

意的是，改變聚類形式不會改變系數(shù)大小，表3（4）

列與表 4（4）列的系數(shù)大小一致。綠色金融實施省

市很可能會受到樣本本身特征的影響，如地區(qū)的經(jīng)

濟發(fā)展水平、創(chuàng)新初始稟賦等，于是表4（5）列采用

PSM-DID克服這一因素的影響。本文采用Logit模

型進行回歸，協(xié)變量與控制一致，采用1∶1臨近匹配

方法，剔除未匹配的樣本進行回歸。從表4的（1）到

（5）列結(jié)果可知，經(jīng)過一系列穩(wěn)健性檢驗后發(fā)現(xiàn)綠色

金融依舊能顯著推動城市的綠色創(chuàng)新水平。

表4 穩(wěn)健性檢驗

變量

DID

Innovacity

L.1Ginnova

控制變量

趨勢效應(yīng)

時間固定

城市固定

_cons

R2

N

(1)

排除創(chuàng)新型

城市政策

0.1685***

(0.0563)

0.0211

(0.0384)

是

是

是

是

2.6022***

(0.8701)

0.6175

2296

(2)

引入滯后項

0.1201***

(0.0454)

0.3432***

(0.0254)

是

是

是

是

3.9184***

(0.8003)

0.8444

2009

(3)

僅地級市

0.1879***

(0.0632)

是

是

是

是

2.1841**

(0.9114)

0.6746

1807

(4)

省級聚類

0.1635*

(0.0901)

是

是

是

是

2.5963*

(1.4942)

0.6523

2296

(5)

PSM-DID

0.1584**

(0.0761)

是

是

是

是

2.4785

(1.5001)

0.5741

948

（四）異質(zhì)性檢驗

1.區(qū)域異質(zhì)性

我國東部和中部地區(qū)的資源稟賦和市場環(huán)境優(yōu)

于西部地區(qū)，綠色金融所引發(fā)的政策效果也難免會

存在差異。因此，本文檢驗了綠色金融對區(qū)域創(chuàng)新

的異質(zhì)性模型，表5的（1）到（3）列分別檢驗了綠色

金融對東部、中部和西部地區(qū)的城市綠色創(chuàng)新水

平。從實證結(jié)果可知，綠色金融顯著推動了東部地

區(qū)和中部地區(qū)的綠色創(chuàng)新水平提高，分別通過了5%

和1%的顯著性水平檢驗，而對西部地區(qū)的綠色創(chuàng)新

的政策效果還未體現(xiàn)。

2.環(huán)保監(jiān)管異質(zhì)性

綠色金融旨在合理配置信貸資源，引導資源從

高污染、高耗能產(chǎn)業(yè)流向技術(shù)先進部門，實際上加強

了重污染行業(yè)的環(huán)境規(guī)制。為此，本文檢驗了綠色

金融對環(huán)保監(jiān)管程度不同地區(qū)的綠色創(chuàng)新水平影

響，本文采用地區(qū)的環(huán)保處罰案件進行衡量，將高于

環(huán)保處罰中位數(shù)的地區(qū)定義為環(huán)保監(jiān)管強地區(qū)，反

之設(shè)定為環(huán)保監(jiān)管弱地區(qū)。從表5的（4）和（5）列可

知，綠色金融顯著提高了環(huán)保監(jiān)管強地區(qū)的綠色創(chuàng)

新水平，通過了5%顯著性水平檢驗，對環(huán)保監(jiān)管弱

地區(qū)的綠色創(chuàng)新影響不顯著。綠色金融通過強化環(huán)

保監(jiān)管，倒逼企業(yè)進行綠色轉(zhuǎn)型，顯著推動了城市綠

色創(chuàng)新。

表5 異質(zhì)性檢驗

變量

DID

控制變量

趨勢效應(yīng)

時間固定

城市固定

_cons

R2

N

(1)

東部

0.1525**

(0.0721)

是

是

是

是

1.4011

(1.5153)

0.8552

753

(2)

中部

0.3165***

(0.0733)

是

是

是

是

1.2485

(1.4833)

0.7466

925

(3)

西部

0.0133

(0.1056)

是

是

是

是

7.1611***

(2.6863)

0.5078

608

(4)

環(huán)保監(jiān)管強

0.1417**

(0.0654)

是

是

是

是

2.1314*

(1.1527)

0.5233

1139

(5)

環(huán)保監(jiān)管弱

0.0933

(0.0963)

是

是

是

是

1.2352**

(0.5811)

0.4865

1157

（五）安慰劑檢驗

城市綠色創(chuàng)新水平除了受到相關(guān)變量、政策影

響外，還需要排除隨機性結(jié)果。為此，本文通過隨機

設(shè)定政策時點和隨機設(shè)定政策地區(qū)進行安慰劑檢

驗，圖2A和圖2B分別為隨機設(shè)定政策時點和隨機

設(shè)定政策地區(qū)，重復500次安慰劑檢驗，得到的估計

系數(shù)和 p 值的概率密度分布圖。從結(jié)果可知，表 3

24

（4）列的真實估計值顯著異于安慰劑檢驗得到的系

數(shù)，且系數(shù)基本服從均值為0的正態(tài)分布。由此可

以認為，實證結(jié)果不是隨機性結(jié)論，結(jié)果是可信的。

圖2 安慰劑檢驗

五、機制檢驗與拓展分析

（一）機制檢驗

綠色金融對優(yōu)化銀行信貸資金以及資本市場資

金配置具有重要影響。綠色金融為節(jié)能環(huán)保、清潔

生產(chǎn)和綠色交通等行業(yè)提供了項目投融資，并通過

綠色債券和綠色股票指數(shù)助力清潔行業(yè)發(fā)展。綠色

金融鼓勵更多的銀行及社會資金流入綠色產(chǎn)業(yè)，同

時由于綠色金融加大了重污染行業(yè)的授信門檻與監(jiān)

管，其融資水平會相應(yīng)降低，因此可能會有效抑制資

金配置到重污染行業(yè)。為檢驗綠色金融政策能否實

現(xiàn)資金重新配置，表6檢驗了綠色金融對企業(yè)的信

貸資金及行業(yè)之間的專利產(chǎn)出的影響。本文控制了

企業(yè)規(guī)模（Lnsize）、年齡（Lnage）、負債率（Debt）、資

產(chǎn)回報率（ROA）和企業(yè)所有制（SOE）因素。企業(yè)規(guī)

模采用企業(yè)年末總資產(chǎn)對數(shù)化表示，年齡采用企業(yè)

成立年齡加一的對數(shù)化表示，負債率采用企業(yè)總負

債與總資產(chǎn)比值表示，資產(chǎn)回報率采用稅后凈利潤

與總資產(chǎn)比值表示，所有制分為國有和非國有企業(yè)。

借鑒現(xiàn)有做法[28]

，采用有息債務(wù)與期初總資產(chǎn)

比值來反映企業(yè)的有息債務(wù)水平，其中有息債務(wù)包

括短期和長期借款以及一年內(nèi)到期的非流動負債和

應(yīng)付債券。從表 6（1）和（2）列可以發(fā)現(xiàn)，綠色金融

顯著降低了重污染行業(yè)有息債務(wù)融資水平，有效促

進了清潔和非重污染行業(yè)的有息債務(wù)融資水平，且

結(jié)論均通過了1%的顯著性水平檢驗。因此，綠色金

融能重新配置銀行信貸資金，通過引導資金流向清

潔生產(chǎn)行業(yè)助推城市綠色創(chuàng)新發(fā)展。由于綠色金融

對高污染企業(yè)資金進行了限制，相當于施加了更為

嚴格的環(huán)境規(guī)制效果，重污染企業(yè)生產(chǎn)壓力將會變

大。換言之，綠色金融的環(huán)境規(guī)制性質(zhì)極有可能通

過信貸資金的配置降低企業(yè)的綠色創(chuàng)新水平，也有

可能倒逼企業(yè)進行綠色生產(chǎn)以避免被市場淘汰，通

過綠色研發(fā)創(chuàng)新轉(zhuǎn)型升級降低污染物排放，進而提

高企業(yè)的綠色創(chuàng)新水平。

表6的（3）和（4）列檢驗了綠色金融對行業(yè)間專

利產(chǎn)出的差異影響，結(jié)果發(fā)現(xiàn)綠色金融對重污染行

業(yè)的綠色創(chuàng)新并無顯著的促進作用，但也沒有顯著

降低其綠色創(chuàng)新，綠色金融顯著促進了清潔與非重

污染行業(yè)的綠色創(chuàng)新產(chǎn)出。因此，綠色金融可以通

過優(yōu)化信貸資金配置，將更多的資金用于清潔和非

重污染行業(yè)進而激勵企業(yè)進行綠色生產(chǎn)，通過清潔

和非重污染行業(yè)的綠色創(chuàng)新戰(zhàn)略促進城市綠色發(fā)

展。因此，本文假設(shè)2得到驗證。

表6 機制分析

變量

DID

lnsize

Lnage

Debt

ROA

SOE

趨勢效應(yīng)

時間固定

城市固定

_cons

R2

N

(1)

重污染行業(yè)

有息債務(wù)融資

-0.0073***

(0.0271)

0.9162**

(0.4241)

0.1231***

(0.0532)

-0.2234**

(0.0991)

1.0366**

(0.5833)

-0.4215**

(0.1809)

是

是

是

-0.8546***

(0.1832)

0.8412

3113

(2)

清潔和非重污染行

業(yè)有息債務(wù)融資

0.0163***

(0.0051)

1.3256**

(0.6052)

0.2215**

(0.0991)

-0.1226**

(0.0554)

0.3296**

(0.1511)

-0.2654**

(0.1158)

是

是

是

0.3256***

(0.0792)

0.6332

7632

(3)

重污染行業(yè)

專利產(chǎn)出

0.0063

(0.0181)

0.1256***

(0.0391)

-1.2456

(0.5611)

-0.0112**

(0.0051)

0.5412**

(0.2541)

-1.2344**

(0.5306)

是

是

是

0.0156**

(0.0072)

0.7331

3113

(4)

清潔和非重污染行

業(yè)有息債務(wù)融資

0.0863***

(0.0302)

0.1366***

(0.0425)

-0.2165*

(0.1216)

-0.0523**

(0.0245)

0.2366***

(0.1037)

-0.9855**

(0.4266)

是

是

是

0.3241**

(0.1373)

0.7652

7632

（二）拓展分析

一方面，創(chuàng)新是引領(lǐng)科技發(fā)展和經(jīng)濟發(fā)展的第

一動力，綠色金融推動城市綠色發(fā)展可能會產(chǎn)生經(jīng)

濟效率；另一方面，綠色金融兼顧綠色導向，將對環(huán)

境產(chǎn)生不容忽視的影響。因此，本文進一步探討綠

色金融所引發(fā)的經(jīng)濟效益和環(huán)境效益。表7的（1）

列分析了綠色金融的經(jīng)濟效益，采用地區(qū)生產(chǎn)總值

綠色經(jīng)濟 Green Economy

25

2023年第9期 WUHAN

FINANCE

來反映。從結(jié)果可知，綠色金融顯著推動了地區(qū)的

經(jīng)濟增長，且通過了10%的顯著性水平檢驗。（2）列

分析了綠色金融的環(huán)境效益，采用工業(yè)廢水、工業(yè)廢

氣和工業(yè)粉塵占地區(qū)生產(chǎn)總值比重來反映，該值越

小則表明污染物排放越小。從結(jié)果可知，綠色金融

顯著降低了地區(qū)的污染物排放，且通過了10%的顯

著性水平檢驗。綠色金融能有效推動城市的綠色創(chuàng)

新水平，并能對城市產(chǎn)生經(jīng)濟效益和環(huán)境效率，即推

動經(jīng)濟增長并有效降低污染排放[29，30]

。

表7 拓展分析

變量

DID

趨勢效應(yīng)

控制變量

時間固定

城市固定

_cons

R2

N

(1)

經(jīng)濟效益

0.0267*

(0.0149)

是

是

是

是

4.3345***

(0.7732)

0.5916

2296

(2)

環(huán)境效益

-0.0031*

(0.0017)

是

是

是

是

-0.0924

(0.1092)

0.5123

2296

六、結(jié)論與建議

（一）研究結(jié)論

綠色金融對優(yōu)化信貸資金配置、構(gòu)建市場導向

的綠色技術(shù)創(chuàng)新體系具有重要的引導作用。本文以

2017年綠色金融改革創(chuàng)新試驗區(qū)為外生沖擊，采用

2012—2019年287個地級市面板數(shù)據(jù)，構(gòu)建了雙重

差分實證研究框架，分析綠色金融能否助力推動城

市綠色創(chuàng)新水平。研究發(fā)現(xiàn)，綠色金融可以通過優(yōu)

化信貸資金配置助力清潔和非重污染行業(yè)創(chuàng)新發(fā)

展，從而有效提升城市綠色創(chuàng)新水平，且該結(jié)論通過

一系列穩(wěn)健性檢驗后依舊成立。綠色金融政策效果

在區(qū)域間存在顯著差異，主要推動了東部、中部和環(huán)

保監(jiān)管程度大地區(qū)的綠色創(chuàng)新水平。進一步拓展發(fā)

現(xiàn)，綠色金融能同時實現(xiàn)經(jīng)濟效益和環(huán)境效益，促進

了經(jīng)濟增長并降低了污染排放。

（二）政策建議

基于上述研究結(jié)論，本文得到如下政策啟示：第

一，應(yīng)持續(xù)強化落實綠色金融政策實施，擴大政策試

點范圍。綠色金融改革試驗區(qū)的設(shè)立顯著推動了城

市綠色創(chuàng)新水平，可將現(xiàn)有經(jīng)驗復制推廣，持續(xù)推動

城市綠色創(chuàng)新水平。第二，構(gòu)建支持綠色信貸的政

策體系，不斷完善信貸制度。引導資金流向綠色企

業(yè)和綠色項目，通過再貸款和建立專業(yè)化擔保機制

等措施支持綠色信貸發(fā)展，并建立綠色指標評價體

系，將環(huán)境違法信息納入金融信用數(shù)據(jù)庫，推動企業(yè)

環(huán)境治理。第三，加強區(qū)域創(chuàng)新聯(lián)動，推動區(qū)域創(chuàng)新

協(xié)調(diào)發(fā)展。由于區(qū)域間經(jīng)濟發(fā)展和資源稟賦的差異

導致政策效果存在區(qū)域差異，應(yīng)注重西部的綠色創(chuàng)

新支持。此外，西部地區(qū)也需要向東、中部地區(qū)借鑒

經(jīng)驗，助推區(qū)域創(chuàng)新協(xié)同發(fā)展。第四，加強環(huán)境監(jiān)管

并建立綠色創(chuàng)新扶持政策，助推行業(yè)協(xié)同高效發(fā)

展。需建立健全相關(guān)分析預警機制，強化對綠色金

融資金運用的監(jiān)督和評估。綠色金融能有效提升信

貸資金配置，引導資金向清潔行業(yè)流動從而推動綠

色發(fā)展，同時給重污染行業(yè)一定的環(huán)境規(guī)制壓力。

應(yīng)避免政策實施的“一刀切”，對積極進行綠色研發(fā)

創(chuàng)新與環(huán)境治理的重污染企業(yè)給予一定的創(chuàng)新補貼

和稅收優(yōu)惠，助力重污染企業(yè)綠色轉(zhuǎn)型，實現(xiàn)行業(yè)之

間的協(xié)同高效發(fā)展，提高城市綠色創(chuàng)新水平?！?/p>

注 釋

① 2019年，甘肅蘭州宣布增設(shè)試驗區(qū)，本文主要關(guān)注第一

批試點效果，故本文所稱試點地區(qū)均指五省八區(qū)。

[參考文獻]

[1] ISLAM M M，IRFAN M，SHAHBAZ M，et al. Renewable

and Non- renewable Energy Consumption in Bangladesh：The

Relative Influencing Profiles of Economic Factors，Urbaniza?

tion，Physical Infrastructure and Institutional Quality[J]. Re?

newable Energy，2022，184：1130-1149.

[2] HAO Y，BA N，REN S，et al. How Does International

Technology Spillover Affect China's Carbon Emissions? A New

Perspective Through Intellectual Property Protection[J]. Sus?

tainable Production and Consumption，2021，25：577-590.

[3] CUI J，DAI J，WANG Z，et al. Does Environmental Regu?

lation Induce Green Innovation? A Panel Study of Chinese List?

ed Firms[J]. Technological Forecasting and Social Change，

2022，176：121492.

[4] SUN Y，GUAN W，RAZZAQ A，et al. Transition Towards

Ecological Sustainability Through Fiscal Decentralization，Re?

newable Energy and Green Investment in OECD Countries[J].

Renewable Energy，2022，190：385-395.

[5] HUANG H，ZHANG J. Research on the Environmental Ef?

fect of Green Finance Policy Based on the Analysis of Pilot

Zones for Green Finance Reform and Innovations[J]. Sustain?

ability，2021，13（7）：3754.

26

[6] 黃紀強.稅負減低如何助力企業(yè)綠色轉(zhuǎn)型升級：基于重污

染行業(yè)的實證研究[J].當代經(jīng)濟管理，2022（1）：90-96.

[7] 黃紀強，祁毓，甘行瓊.綠色稅治之路：環(huán)境保護稅能否降

低污染物排放?[J].經(jīng)濟體制改革，2023（3）：145-154.

[8] IRFAN M，RAZZAQ A，SHARIF A，et al. Influence

Mechanism between Green Finance and Green Innovation：Ex?

ploring Regional Policy Intervention Effects in China[J]. Tech?

nological Forecasting and Social Change，2022，182：121882.

[9] 王營，馮佳浩.綠色債券促進企業(yè)綠色創(chuàng)新研究[J].金融

研究，2022（6）：171-188.

[10] 張宇，錢水土.綠色金融、環(huán)境技術(shù)進步偏向與產(chǎn)業(yè)結(jié)構(gòu)

清潔化[J].科研管理，2022（4）：129-138.

[11] KUDRATOVA S，HUANG X，ZHOU X. Sustainable Proj?

ect Selection：Optimal Project Selection Considering Sustain?

ability Under Reinvestment Strategy[J]. Journal of Cleaner Pro?

duction，2018，203：469-481.

[12] TANG D Y，ZHANG Y. Do Shareholders Benefit from

Green Bonds?[J]. Journal of Corporate Finance，2020，61：101427.

[13] LIU X E，WANG E X，CAI D T. Green Credit Policy，

Property Rights and Debt Financing：Quasi- natural Experi?

mental Evidence from China[J]. Finance Research Letters，

2019，29：129-135.

[14] 沈璐，廖顯春.綠色金融改革創(chuàng)新與企業(yè)履行社會責任：

來自綠色金融改革創(chuàng)新試驗區(qū)的證據(jù)[J].金融論壇，2020

（10）：69-80.

[15] 謝喬昕.環(huán)境規(guī)制、綠色金融發(fā)展與企業(yè)技術(shù)創(chuàng)新[J].科

研管理，2021（6）：65-72.

[16] 曹廷求，張翠燕，楊雪.綠色信貸政策的綠色效果及影響

機制：基于中國上市公司綠色專利數(shù)據(jù)的證據(jù)[J].金融論

壇，2021（5）：7-17.

[17] PORTER M E，VEN DER LINDE C. Toward a New Con?

ception of the Environment Competitiveness Relationship[J].

Journal of Economic Perspectives，1995，9（4）：97-118.

[18] OWEN R，BRENNAN G，LYON F. Enabling Investment

for the Transition to a Low Carbon Economy：Government Poli?

cy to Finance Early Stage Green Innovation[J]. Current Opin?

ion in Environmental Sustainability，2018，31：137-145.

[19] YU C H，WU X Q，ZHANG D Y，et al. Demand for

Green Finance：Resolving Financing Constraints on Green In?

novation in China[J]. Energy Policy，2021，153：112255.

[20] 劉強，王偉楠，陳恒宇《. 綠色信貸指引》實施對重污染企

業(yè)創(chuàng)新績效的影響研究[J].科研管理，2020（11）：100-112.

[21] 黎文靖，鄭曼妮.實質(zhì)性創(chuàng)新還是策略性創(chuàng)新?宏觀產(chǎn)業(yè)

政策對微觀企業(yè)創(chuàng)新的影響[J].經(jīng)濟研究，2016（4）：60-73.

[22] 王修華，劉錦華，趙亞雄.綠色金融改革創(chuàng)新試驗區(qū)的成

效測度[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021（10）：107-127.

[23] 張慶君，黃玲.綠色金融改革創(chuàng)新試驗區(qū)設(shè)立能促進企

業(yè)技術(shù)創(chuàng)新嗎?[J].經(jīng)濟體制改革，2023（1）：182-190.

[24] 趙娜.綠色信貸是否促進了區(qū)域綠色技術(shù)創(chuàng)新?基于地

區(qū)綠色專利數(shù)據(jù)[J].經(jīng)濟問題，2021（6）：33-39.

[25] LIU C，XIONG M X. Green Finance Reform and Corpo?

rate Innovation：Evidence from China[J]. Finance Research

Letters，2022，48：102993.

[26] 李政，楊思瑩.創(chuàng)新型城市試點提升城市創(chuàng)新水平了嗎?

[J].經(jīng)濟學動態(tài)，2019（8）：70-85.

[27] 黃紀強，祁毓.環(huán)境稅能否倒逼產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與升級?基

于環(huán)境“費改稅”的準自然實驗[J].產(chǎn)業(yè)經(jīng)濟研究，2022（2）：

1-13.

[28] 蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業(yè)的投融

資行為?[J].金融研究，2018（12）：123-137.

[29] 姚新.綠色金融對漢江生態(tài)經(jīng)濟帶發(fā)展的作用影響研

究：基于耦合協(xié)調(diào)度模型的實證分析[J].金融發(fā)展評論，

2021（7）：27-42.

[30] 潘冬陽，陳川祺，GRUBB M.金融政策與經(jīng)濟低碳轉(zhuǎn)型：

基于增長視角的研究[J].金融研究，2021（12）：1-19.

（責任編輯：GW / 校對：XY）

綠色經(jīng)濟 Green Economy

27

2023年第9期 WUHAN

FINANCE

一、引言

長期以來，完善上市公司分紅制度，形成穩(wěn)健、

合理、可預期的股利分配政策，是進一步健全我國資

本市場中小投資者保護體系的重要內(nèi)容。為增強對

公司現(xiàn)金分紅的引導力度，規(guī)范我國上市公司股利

分配，證監(jiān)會自2001年起陸續(xù)出臺了半強制分紅、

強制分紅等一系列股利監(jiān)管政策，在一定程度上約

束了上市公司在股利分配上的機會主義空間[1]

，但

由于未能將其有效納入公司治理體系當中，目前我

國證券市場狀況仍舊不容樂觀，上市公司不分配股

利、股利支付率低和股利分配政策不可預期等股利

支付狀況受到學者和投資者詬病[2]

。管理層和大股

東等內(nèi)部人利用信息優(yōu)勢和實際控制權(quán)，將企業(yè)內(nèi)

部自由現(xiàn)金流用于在職消費、財產(chǎn)轉(zhuǎn)移、利益輸送等

掏空行為時有發(fā)生，嚴重影響到資本市場健康穩(wěn)定

發(fā)展。

然而，作為資本市場重要的參與者，中小股東由

于“股少言輕”，加之行權(quán)的高昂成本和治理激勵的

嚴重不足，導致其在行使自身權(quán)利方面往往非常消

極[3，4]

。面對上市公司不分紅或者分紅較少而使其

利益受損的行為時，難以通過正式途徑（投票、提案、

提起訴訟）維護自身權(quán)益[5]

，更多地表現(xiàn)為“搭便車”

或“用腳投票”的被動心理和行為[6，7]

。因此，尋求一

種積極有效的中小股東“發(fā)聲”方式，降低行權(quán)成本、

提高參與公司治理程度，促進上市公司提高現(xiàn)金股

利分配水平是重中之重，特別是在新媒體技術(shù)和證

券市場快速發(fā)展的情境下，現(xiàn)代化、多元化和市場化

的公司治理方式是大勢所趨。

隨著互聯(lián)網(wǎng)的普及和現(xiàn)代通信技術(shù)的發(fā)展，中

小股東信息獲取和監(jiān)督渠道愈加豐富[8，9]

，投資者通

過社交媒體“發(fā)聲”的方式參與公司治理成為可能[10]

。

深交所和上交所分別于2010年和2013年推出“互動

易”和“上證e互動”網(wǎng)絡(luò)平臺，構(gòu)建了投資者與上市

公司雙向交流的新渠道，為中小股東提供了一個可

以對上市公司進行持續(xù)、有針對性的關(guān)注并提出廣

泛意見、施加壓力的途徑。一方面，交易所網(wǎng)絡(luò)互動

平臺為中小股東提供了與上市公司面對面溝通和交

摘 要：本文以 2010—2021 年交易所網(wǎng)絡(luò)互動平臺“問答”板塊上的互動數(shù)據(jù)為樣本，采用關(guān)鍵詞提取技術(shù)構(gòu)建“股利關(guān)注”指標，實

證檢驗了中小股東“股利關(guān)注”對企業(yè)現(xiàn)金股利分配的影響。研究發(fā)現(xiàn)，中小股東“股利關(guān)注”顯著提高了企業(yè)現(xiàn)金股利分配水平。機制

檢驗表明，中小股東“股利關(guān)注”通過提高企業(yè)的公司治理水平，進而促進現(xiàn)金股利分配。異質(zhì)性檢驗發(fā)現(xiàn)，中小股東“股利關(guān)注”對上市

公司現(xiàn)金分配的促進作用在機構(gòu)投資者持股比例低、分析師關(guān)注度高、所處行業(yè)競爭程度強以及投資者保護水平高的企業(yè)中更顯著。

關(guān)鍵詞：中小股東；股利關(guān)注；公司治理；監(jiān)督壓力；現(xiàn)金股利分配

中圖分類號：F832.5 文獻標識碼：A 文章編號：1009-3540（2023）09-0028-0010

基金項目：國家自然科學基金“企業(yè)‘類信貸’與金融穩(wěn)定性研究”（72162030）。

■ 白俊 李婷玉 楊茜雅

作者簡介：白俊（1971—），女，博士，石河子大學經(jīng)濟與管理學院教授，石河子大學公司治理與管理創(chuàng)新研究中心； 李婷玉（通訊作者）

（1998—），女，石河子大學經(jīng)濟與管理學院碩士研究生； 楊茜雅（1995—），女，石河子大學經(jīng)濟與管理學院博士研究生。

中小股東“股利關(guān)注”與

上市公司現(xiàn)金股利分配

——來自交易所互動平臺的證據(jù)

28

流的機會[11]

，提高了信息披露的針對性和及時性，為

中小股東提供更方便、快捷的監(jiān)督和“發(fā)聲”渠道，降

低其行權(quán)成本，抑制了內(nèi)部人的機會主義行為；另一

方面，交易所網(wǎng)絡(luò)平臺由深交所和上交所設(shè)立，具備

官方性和媒體性的特征，因而投資者關(guān)注的問題很

可能對公司產(chǎn)生聲譽壓力[12]

，降低中小股東行權(quán)的

外部性，起到外部威懾和壓力作用。經(jīng)統(tǒng)計，2010—

2021年“互動易”和“上證e互動”平臺上與現(xiàn)金股利

相關(guān)的提問記錄高達55615條，占總提問的1.33%。

由此可見，中小股東十分關(guān)注企業(yè)現(xiàn)金股利相關(guān)的

問題，并且更加積極地通過該平臺向上市公司提出

現(xiàn)金股利相關(guān)咨詢和建議，參與公司治理。那么，在

此情景下，中小股東通過交易所網(wǎng)絡(luò)互動平臺的“股

利關(guān)注”是否會發(fā)揮公司治理功能，維護自身權(quán)益，

進而影響上市公司現(xiàn)金股利分配？進一步地，中小

股東“股利關(guān)注”對上市公司現(xiàn)金股利分配的具體影

響機制是什么？又有什么因素會增強其作用的發(fā)

揮？本文嘗試對以上問題進行解答。

本文以 2010—2020 年深交所“互動易”和上交

所“上證e互動”平臺“問答”板塊上的數(shù)據(jù)為樣本，

采用關(guān)鍵詞提取技術(shù)構(gòu)建“股利關(guān)注”指標，實證檢

驗中小股東“股利關(guān)注”對上市公司現(xiàn)金股利分配的

影響。本文的研究貢獻與創(chuàng)新點有以下幾方面：第

一，從個人投資者的視角探討中小股東積極“發(fā)聲”

對企業(yè)決策的影響，豐富了股東積極主義相關(guān)文獻

的研究視角?，F(xiàn)有研究多關(guān)注機構(gòu)投資者主動參與

公司治理對揭露企業(yè)盈余管理行為[13]

等的作用，本

文從個人投資者的視角探討中小股東積極主義及其

對企業(yè)決策的影響，填補了相關(guān)文獻的空缺。第二，

基于新媒體時代公司治理研究視角，拓展了中小股

東利用交易所網(wǎng)絡(luò)互動平臺發(fā)揮公司治理作用的認

識?，F(xiàn)有研究更多地關(guān)注社交媒體的特質(zhì)性信息披

露對于企業(yè)盈余預期準確性[9]

、股價崩盤風險[14]

和會

計穩(wěn)健性[15]

的作用，忽視了社交媒體的公司治理功

能。本文從社交媒體的治理角度出發(fā)，為挖掘社交

媒體在公司治理中的價值提供了新的證據(jù)。第三，

完善了上市公司現(xiàn)金股利影響因素的相關(guān)文獻。盡

管證監(jiān)會為強化投資者利益保護、健全證券市場底

層生態(tài)結(jié)構(gòu)，頒布了一系列致力于推動企業(yè)積極進

行股利分配的政策文件，但我國上市公司分紅少、股

利支付率低的現(xiàn)狀仍未改變。本文首次利用中小股

東與上市公司交易所網(wǎng)絡(luò)平臺互動數(shù)據(jù)研究其可能

對于公司股利政策的影響，為上述政策提供了理論

指引。

二、文獻回顧與理論分析

（一）文獻回顧

在資本市場中，侵害中小股東權(quán)益的現(xiàn)象屢見

不鮮，這也受到了學者們的廣泛關(guān)注[16，17]

。相關(guān)公

司治理研究文獻表明，上市公司管理層和控股股東

利用信息優(yōu)勢，通過在職消費、過度投資、商業(yè)集團

合并[18]

、資金占用[19]

、關(guān)聯(lián)交易[20]

等行為進行利益輸

送，形成了“壕溝效應(yīng)”，對中小股東權(quán)益造成了嚴重

的影響。為此，證監(jiān)會出臺了涵蓋內(nèi)部與外部、市場

與法律等多個層面的保護中小股東權(quán)益的法律法

規(guī)，一定程度上維護了中小股東利益不受侵害，確保

了資本市場的穩(wěn)定運行。然而與美國等資本市場發(fā)

展較為成熟的國家相比，我國的中小股東權(quán)益保護

制度還有待完善，尤其是中小股東參與公司治理的

積極性和效果仍舊不盡如人意。一方面，由于持股

比例低、地理位置分散[21]

，中小股東參與公司治理的

積極性較低[22]

，加之信息獲取成本高[4]

且專業(yè)知識匱

乏[23]

，提高了中小股東參與公司治理的難度，因此中

小股東往往扮演“搭便車”的角色[15]

，對上市公司內(nèi)

部治理機制的監(jiān)督較弱，導致內(nèi)部代理問題嚴重；另

一方面，法律體系不健全、制度環(huán)境不足[24]

和媒體等

監(jiān)督力量薄弱等原因弱化了上市公司的外部監(jiān)管。

因此，提高中小股東行權(quán)積極性、降低行權(quán)成本、改

善內(nèi)外部監(jiān)督治理環(huán)境是實現(xiàn)有效治理的關(guān)鍵。

在互聯(lián)網(wǎng)和自媒體迅猛發(fā)展的背景下，社交媒

體受重視程度逐漸超越報紙、廣播、電視等傳統(tǒng)媒

體，發(fā)揮出越來越大的作用?！盎右住焙汀吧献Ce互

動”平臺作為官方運營的證券類社交媒體，為投資者

尤其是中小股東提供了與上市公司溝通、交流的機

會，為中小股東參與公司治理提供了渠道。Chau等[10]

基于“互動易”問答數(shù)據(jù)，分析發(fā)現(xiàn)11.7%的投資者

通過發(fā)表觀點對上市公司經(jīng)營情況和相關(guān)決策進行

質(zhì)疑，10.7%的投資者則提出改進方法與建議，這表

明投資者不僅密切關(guān)注企業(yè)的決策行為，而且愿意

通過交易所網(wǎng)絡(luò)平臺獲取信息，積極參與公司決策，

發(fā)揮治理功能。已有對中小股東網(wǎng)絡(luò)平臺互動對上

市公司的決策行為影響的研究主要集中于網(wǎng)絡(luò)平臺

提供的信息傳遞和監(jiān)督功能，其會抑制非金融企業(yè)

金融化[25]

，提高企業(yè)現(xiàn)金持有水平[26]

，增強高管未來

投資證券保險 Investment Stock & Insurance

29

2023年第9期 WUHAN

FINANCE

業(yè)績薪酬敏感性[27]

，促進企業(yè)提高創(chuàng)新水平[28]

等。

綜上可知，中小股東在公司治理中天然的劣勢

地位以及監(jiān)管的不完善注定其難免遭受大股東和管

理層的利益侵占[15]

，而網(wǎng)絡(luò)互動平臺的出現(xiàn)有助于

促進企業(yè)與投資者之間的溝通與交流[11]

，拓寬中小

股東借此主動“發(fā)聲”和維護自身權(quán)益的機會[22]

，為

完善中小股東參與公司治理提供新途徑。借助交易

所網(wǎng)絡(luò)平臺的交流互動功能，中小股東參與公司治

理的能力得到有效提升。因此，本文以上市公司現(xiàn)

金股利分配為切入點，實證檢驗中小股東“股利關(guān)

注”的具體影響。

（二）理論分析與假設(shè)提出

首先，中小股東“股利關(guān)注”通過提升中小股東

的信息獲取與解讀能力、緩解現(xiàn)金流層面的信息不

對稱，從而改善中小股東的監(jiān)督能力，發(fā)揮治理作

用，提高企業(yè)現(xiàn)金股利分配水平。長期以來，由于投

資者權(quán)益保護制度的不完善，中小股東難以及時準

確地獲取上市公司經(jīng)營狀況的信息，面對管理層和

控股股東將企業(yè)資金用于集團合并[18]

、在職消費[19]

、

關(guān)聯(lián)交易[20]

等利益輸送行為時往往采取“搭便車”的

策略[22]

。隨著社交媒體的發(fā)展和信息渠道的暢通，

中小股東在交易所網(wǎng)絡(luò)互動平臺與上市公司“面對

面”溝通和互動成為可能[29]

。企業(yè)通過回復中小股

東提問，能夠幫助中小股東更加便捷地了解企業(yè)經(jīng)

營狀況，提升其信息獲取和解讀能力，緩解中小股東

與企業(yè)間的信息不對稱[30]

。具體到現(xiàn)金股利，當中

小股東在交易所網(wǎng)絡(luò)互動平臺上提出關(guān)于現(xiàn)金股利

的問題，表現(xiàn)出“股利關(guān)注”時，更多與企業(yè)現(xiàn)金股利

相關(guān)的信息及時地被中小股東“捕獲”。這一方面提

高了投資者對于企業(yè)的關(guān)注程度與了解程度，促使

其更多地參與管理企業(yè)的股利政策，以保護自身獲

取投資收益的權(quán)利；另一方面導致企業(yè)內(nèi)部人謀取

私利的成本增加，進而收斂其對上市公司現(xiàn)金流進

行利益輸送的機會主義行為，在客觀上有助于迫使

企業(yè)通過現(xiàn)金股利發(fā)放這一途徑來實現(xiàn)企業(yè)利潤的

共享，將自由現(xiàn)金流作為現(xiàn)金股利支付給投資者。

其次，中小股東在互動問答過程中的“股利關(guān)

注”會給上市公司帶來關(guān)注壓力，對企業(yè)行為形成有

效威懾，從而發(fā)揮治理作用，提高企業(yè)現(xiàn)金股利分配

水平?，F(xiàn)金股利政策作為上市公司投融資的關(guān)鍵環(huán)

節(jié)之一，是中小股東獲取投資收益的重要方式，也是

社交媒體上的高頻討論話題?；诮灰姿W(wǎng)絡(luò)互動

平臺的迅捷性、公開性、互動性、及時性等特點[5]

，中

小股東通過該平臺更頻繁地就現(xiàn)金股利相關(guān)問題表

達訴求，對于可能損害個人利益的行為積極討論并

發(fā)表意見[31]

。借助交易所網(wǎng)絡(luò)互動平臺，中小股東

對企業(yè)現(xiàn)金股利分配相關(guān)問題的高熱度、高頻率發(fā)

帖會引發(fā)更多投資者對公司信息的關(guān)注，進而導致

企業(yè)面臨巨大的輿論威懾壓力和聲譽壓力。若上市

公司對中小股東“股利關(guān)注”相關(guān)問題避而不談，或

者不能及時采取合理、有效的應(yīng)對措施，可能會面臨

更多的吐槽和負面評價，不但嚴重影響企業(yè)聲譽，還

可能引發(fā)股價下跌等一系列影響企業(yè)后續(xù)正常經(jīng)營

的問題，給企業(yè)帶來巨大損失。因此，為了與外部利

益相關(guān)者保持良好的關(guān)系，避免聲譽損失[32]

，企業(yè)經(jīng)

營者在行為決策中可能更注重維護監(jiān)督方的利益而

約束自身的逆向選擇，有動機通過慷慨且穩(wěn)定的現(xiàn)

金股利發(fā)放來樹立良好企業(yè)形象。

綜上，中小股東“股利關(guān)注”發(fā)揮能夠發(fā)揮治理

作用，促進上市公司的現(xiàn)金股利分配。基于此，本文

提出如下假設(shè)：

H：中小股東“股利關(guān)注”提高了上市公司現(xiàn)金

股利分配水平。

三、變量設(shè)計

（一）數(shù)據(jù)來源與樣本處理

由于“互動易”和“上證e互動”分別于2010年和

2013年開始投入使用，因此本文以2010年作為樣本

起始年份。以 2010—2021 年交易所網(wǎng)絡(luò)互動平臺

“問答”板塊上的互動數(shù)據(jù)為研究樣本，剔除了資不

抵債、ST和*ST、金融行業(yè)以及主要財務(wù)數(shù)據(jù)缺失的

企業(yè)后，最終得到29179個有效觀測值。中小股東

“股利關(guān)注”數(shù)據(jù)源于中國研究數(shù)據(jù)服務(wù)平臺

（CNRDS），其余數(shù)據(jù)均源于國泰安數(shù)據(jù)庫。此外，

本文對所有連續(xù)型變量進行上下1%的縮尾處理，以

消除離群值的影響。

（二）變量定義

1.被解釋變量：股利分配

參考呂纖等[33]

的研究，本文采用現(xiàn)金股利支付

率（Div）來衡量上市公司的股利分配水平，計算公式

為：現(xiàn)金股利支付率=每股現(xiàn)金股利/每股收益。

2.解釋變量：中小股東“股利關(guān)注”

交易所網(wǎng)絡(luò)互動平臺“問答”板塊具有較強的互

動性，中小股東在該板塊上的提問數(shù)量往往代表了

30

其對上市公司的關(guān)注度。相應(yīng)地，中小股東對現(xiàn)金

股利相關(guān)的提問數(shù)量越高、占總提問數(shù)量的比重越

大，說明中小股東對上市公司現(xiàn)金股利越關(guān)注。本

文對于中小股東“股利關(guān)注”的具體構(gòu)建方法如下：

首先，參考呂纖等[34]

的研究，設(shè)定“分紅”“紅利”“派

息”“股息”“派現(xiàn)”“股利”作為與現(xiàn)金股利相關(guān)的關(guān)

鍵詞詞庫。其次，基于構(gòu)建的“股利詞庫”，采用關(guān)鍵

詞提取技術(shù)，將中小股東提問的內(nèi)容劃分為與現(xiàn)金

股利相關(guān)的提問和其他提問，統(tǒng)計每個企業(yè)每一年

度內(nèi)與現(xiàn)金股利相關(guān)的提問數(shù)量（DivN）。最后，參

考潘紅波等[28]

的研究，采取現(xiàn)金股利提問數(shù)量加 1

后取自然對數(shù)所得值（DivAtt）來度量中小股東“股

利關(guān)注”。此外，在穩(wěn)健性檢驗中，采用股利提問數(shù)

量占企業(yè)總提問數(shù)量的比值（DivRatio）來度量中小

股東“股利關(guān)注”。

3.控制變量

參考李學峰等[35]

的研究，本文控制了公司規(guī)模

（Size）、資產(chǎn)負債率（Lev）、股權(quán)集中度（Top1）、股權(quán)

性質(zhì)（SOE）、董事會規(guī)模（Board）、盈利能力（Roa）、

企業(yè)年齡（Age）、經(jīng)營現(xiàn)金流（Cfo）、兩職合一（Du?

al）、獨立董事比例（Indepratio）、董事會會議次數(shù)

（Meet）。變量名稱、符號及定義如表1所示。

表1 變量定義與計量

變量類型

被解釋

變量

解釋變量

控制變量

變量名稱

現(xiàn)金股利支付率

股利關(guān)注

企業(yè)年齡

股權(quán)集中度

經(jīng)營現(xiàn)金流

公司規(guī)模

資產(chǎn)負債率

盈利能力

董事會規(guī)模

獨立董事比例

董事會會議次數(shù)

股權(quán)性質(zhì)

行業(yè)虛擬變量

年份虛擬變量

變量符號

Div

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

Ind

Year

變量定義

每股現(xiàn)金股利/每股收益

現(xiàn)金股利提問數(shù)量加1后取自然對數(shù)

（觀測年份-成立年份+1）的自然對數(shù)

第一大股東持股/總股本

經(jīng)營活動產(chǎn)生的現(xiàn)金凈額/年末資產(chǎn)

總額

總資產(chǎn)的自然對數(shù)

總負債/總資產(chǎn)

凈利潤/總資產(chǎn)

董事會人數(shù)的自然對數(shù)

獨立董事個數(shù)/董事會規(guī)模

企業(yè)召開董事會會議的次數(shù)

國有企業(yè)取 1，否則取 0

控制不同行業(yè)經(jīng)濟因素的影響

控制不同年份經(jīng)濟因素的影響

（三）模型設(shè)計

本文構(gòu)建了模型（1）檢驗中小股東“股利關(guān)注”

對企業(yè)現(xiàn)金股利分配的影響。其中，Div 表示企業(yè)

現(xiàn)金股利支付率，DivAtt 為中小股東“股利關(guān)注”變

量，Controls為控制變量。此外，模型還控制了行業(yè)

和時間因素對回歸結(jié)果的影響。如果假設(shè)成立，則

模型（1）中“股利關(guān)注”變量的系數(shù)α1應(yīng)當顯著為正。

Div = α0 + α1DivAtt + α2Controls +

α3 Ind + α4Year + ε （1）

四、實證結(jié)果及分析

（一）描述性統(tǒng)計

表2是變量的描述性統(tǒng)計結(jié)果?？梢园l(fā)現(xiàn)，現(xiàn)

金 股 利 支 付 率（Div）的 均 值 為 0.284，標 準 差 為

0.304，說明我國上市公司整體的現(xiàn)金股利支付率較

低，且不同企業(yè)的股利支付率存在較大差異，“鐵公

雞”與“高分紅”公司同時存在。股利關(guān)注（DivAtt）

的最小值為0.000，最大值為6.188，說明中小股東在

交易所網(wǎng)絡(luò)互動平臺上對不同企業(yè)的現(xiàn)金股利分配

政策關(guān)注程度差異較大。

表2 描述性統(tǒng)計

變量

Div

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

因變量

29179

29179

29179

29179

29179

29179

29179

29179

29179

29179

29179

29179

均值

0.284

0.537

2.800

0.355

0.043

22.330

0.429

0.047

2.140

0.374

9.581

0.377

標準差

0.304

0.778

0.408

0.151

0.069

1.470

0.211

0.049

0.204

0.054

3.759

0.485

最小值

0.000

0.000

0.000

0.087

-0.182

19.380

0.0525

-0.273

1.609

0.273

4.000

0.000

中位數(shù)

0.231

0.000

2.890

0.336

0.041

22.070

0.419

0.040

2.197

0.333

9.000

0.000

最大值

1.844

6.188

4.143

0.750

0.248

27.120

0.979

0.207

2.708

0.571

23.000

1.000

（二）基本回歸分析

表3 為模型（1）的多元回歸結(jié)果。（1）列未加入

相關(guān)控制變量，股利關(guān)注（DivAtt）對現(xiàn)金股利支付

率（Div）的回歸系數(shù)為0.014，且在1%的水平上顯著

為正。（2）列加入控制變量后，股利關(guān)注（DivAtt）對

現(xiàn)金股利支付率（Div）的回歸系數(shù)雖然有所降低，但

仍在1%的水平上顯著正相關(guān)。以上結(jié)果表明，中小

股東通過交易所網(wǎng)絡(luò)平臺對現(xiàn)金股利關(guān)注度越高，

企業(yè)現(xiàn)金股利支付率也越高，即中小股東“股利關(guān)

注”有助于促進上市公司現(xiàn)金股利分配，假設(shè)H得到

驗證。

投資證券保險 Investment Stock & Insurance

31

2023年第9期 WUHAN

FINANCE

表3 基本回歸結(jié)果

變量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

(1)

Div

0.027***

(11.30)

0.207***

(11.64)

控制

29179

0.020

(2)

0.014***

(5.90)

-0.014***

(-2.71)

0.185***

(15.28)

0.220***

(7.87)

0.027***

(15.32)

-0.342***

(-29.45)

-0.061

(-1.48)

0.067***

(6.05)

0.038

(0.99)

-0.006***

(-11.48)

-0.042***

(-10.09)

-0.370***

(-8.01)

控制

29179

0.080

注：括號內(nèi)為t值；***、**、*分別表示在1%、5%、10%的水平上顯

著。下表同。

（三）單變量檢驗

表 4 以中小股東“股利關(guān)注”的均值為標準分

組，對比企業(yè)現(xiàn)金股利分配在兩組間的均值差異。

結(jié)果表明，中小股東“股利關(guān)注”較高一組的企業(yè)現(xiàn)

金股利分配在1%的水平上顯著高于中小股東“股利

關(guān)注”較低一組的企業(yè)現(xiàn)金股利分配，即相對于較少

的中小股東“股利關(guān)注”，較多的中小股東“股利關(guān)

注”能夠促進更多的現(xiàn)金股利分配。

表4 單變量檢驗

變量

DivAtt

Low

樣本數(shù)

17292

均值

0.000

High

樣本數(shù)

11887

均值

1.319

均值檢驗

-1.319***

（四）穩(wěn)健性檢驗

1.內(nèi)生性問題

首先，雖然本文控制了影響股利分配的常見變

量，但仍有可能存在遺漏變量問題。因此，本文采用

傾向得分匹配法（PSM）緩解內(nèi)生性問題。具體來

說，根據(jù)中小股東“股利關(guān)注”（DivAtt）的中位數(shù)，本

文將樣本劃分為“股利關(guān)注”強和“股利關(guān)注”弱兩

組，采用最近鄰匹配法進行1∶1匹配，將匹配后的樣

本代入模型（1）進行重新回歸。為保證匹配樣本的

可靠性，本文進行了平衡性檢驗。檢驗結(jié)果如表5

所示，匹配后的處理組和控制組兩組均值差異特征

出現(xiàn)了大幅減少，說明樣本匹配效果明顯。表6（1）

列的回歸結(jié)果顯示，中小股東“股利關(guān)注”（DivAtt）

的系數(shù)顯著為正，說明在控制了遺漏變量導致的內(nèi)

生性問題后，中小股東“股利關(guān)注”仍然顯著促進了

上市公司的現(xiàn)金股利分配。

其次，中小股東是否在交易所網(wǎng)絡(luò)平臺上與上

市公司就現(xiàn)金股利相關(guān)問題進行互動會受到很多因

素的影響。為緩解中小股東“股利關(guān)注”的自選擇問

題，參考楊凡等[30]

的研究，本文采取Heckman兩階段

模型進行檢驗。第一階段，以中小股東“股利關(guān)注”

（DivAtt）的中位數(shù)構(gòu)造出的 DDivAtt 啞變量作為被

解釋變量，以企業(yè)年齡（Age）、股權(quán)集中度（Top1）、

經(jīng)營現(xiàn)金流（Cfo）、企業(yè)規(guī)模（Size）、資產(chǎn)負債率

（Lev）、盈利能力（Roa）作為解釋變量進行回歸；第二

階段，將第一階段回歸得到的逆米爾斯比率（IMR）

加入模型（1）中進行重新估計。表6（2）列顯示了第

二階段回歸結(jié)果，中小股東“股利關(guān)注”（DivAtt）在

1%的水平上顯著為正，說明在考慮樣本自選擇問題

后，中小股東“股利關(guān)注”對上市公司現(xiàn)金股利分配

的促進作用依舊存在，原回歸結(jié)果穩(wěn)健。

最后，上市公司現(xiàn)金股利分配水平越高，越可能

吸引中小股東在交易所網(wǎng)絡(luò)平臺表達對股利的關(guān)

注。為了盡可能地緩解這一反向因果問題，參考陳

華 等 [36]

的 研 究 ，本 文 以 移 動 電 話 普 及 率（Mobi?

leTelPop）作為工具變量。移動電話普及率反映了地

區(qū)網(wǎng)絡(luò)基礎(chǔ)設(shè)施覆蓋度，不會直接對上市公司現(xiàn)金

股利政策產(chǎn)生影響，滿足外生性要求；在股民和網(wǎng)民

高度耦合的態(tài)勢下，中小股東通過移動電話等途徑

了解上市公司信息、表達自身訴求已成為常態(tài)，能正

向影響中小股東在交易所網(wǎng)絡(luò)互動平臺進行互動討

論，滿足相關(guān)性要求。工具變量的回歸結(jié)果見表6

（3）列，中小股東“股利關(guān)注”（DivAtt）的系數(shù)顯著為

正，表明在控制了反向因果問題后，中小股東“股利

關(guān)注”對上市公司現(xiàn)金股利分配的促進作用仍舊存

32

在，再次驗證了結(jié)論的穩(wěn)健性。

2.其他穩(wěn)健性檢驗。

首先，更換解釋變量的度量方式。以股利提問

數(shù)量占企業(yè)總提問數(shù)量的比值（DivRatio）度量中小

股東“股利關(guān)注”，重新對被解釋變量進行回歸。如

表7（1）列所示，DivRatio的系數(shù)為0.615，依舊在1%

水平上顯著為正。

其次，改變被解釋變量的度量方法。構(gòu)建股利

分配虛擬變量 Dum_div（若該公司本年度進行了現(xiàn)

金股利分配則取1，否則為 0），重新進行回歸。如表

7（2）列所示，DivAtt的系數(shù)依舊顯著為正。

最后，改變時間研究窗口?？紤]到“互動易”平

臺于2010年1月正式使用，在運行初期，“互動易”并

未受到投資者的廣泛關(guān)注，中小股東和上市公司互

動交流信息較少。因此，參考潘紅波等[28]

的研究，本

文剔除2010年的數(shù)據(jù)并進行重新回歸。回歸結(jié)果

見表7（3）列，DivAtt的系數(shù)依舊顯著為正。

表5 平衡性檢驗

變量

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

匹配前

匹配后

U

M

U

M

U

M

U

M

U

M

U

M

U

M

U

M

U

M

U

M

均值

實驗組

2.795

2.795

0.3349

0.3449

0.047

0.047

22.421

22.420

0.406

0.406

0.522

0.521

2.136

2.136

0.375

0.375

9.782

9.782

0.318

0.318

控制組

2.804

2.794

0.360

0.347

0.040

0.452

22.260

22.379

0.445

0.402

0.044

0.052

2.143

2.134

0.374

0.376

9.443

9.721

0.417

0.303

標準偏差

（%）

-2.200

0.300

-7.100

0.900

9.600

2.600

10.900

2.800

-18.400

1.900

17.000

1.000

-3.300

1.000

2.600

-0.900

9.000

1.600

-20.700

3.100

標準偏差

減小幅度

（%）

88.200

86.700

73.500

74.400

89.700

94.000

69.700

64.800

82.000

84.900

t統(tǒng)計量

t值

-1.830

0.200

-5.95

0.730

8.060

1.980

9.180

2.100

-15.490

1.470

14.300

0.780

-2.750

0.760

2.150

-0.690

7.590

1.220

-17.300

2.500

p>|t|

0.067

0.844

0.000

0.463

0.000

0.048

0.000

0.036

0.000

0.142

0.000

0.437

0.006

0.448

0.032

0.490

0.000

0.221

0.000

0.013

表6 內(nèi)生性問題

變量

DivAtt

IMR

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

(1)

PSM

Div

0.015***

(4.71)

-0.011

(-1.61)

0.200***

(11.72)

0.262***

(6.62)

0.022***

(8.75)

-0.329***

(-19.37)

-0.032

(-0.56)

0.068***

(4.31)

0.108**

(2.00)

-0.006***

(-8.04)

-0.040***

(-6.73)

-0.325***

(-4.87)

控制

15015

0.072

(2)

Heckman

0.016***

(6.39)

-0.433***

(-6.23)

0.050***

(4.24)

0.340***

(11.22)

0.218***

(7.50)

-0.024***

(-2.79)

-0.048

(-0.97)

-0.742***

(-6.65)

0.062***

(5.34)

0.016

(0.41)

-0.005***

(-10.56)

-0.043***

(-9.63)

1.349***

(4.82)

控制

26166

0.082

(3)

工具變量

0.296**

(2.12)

0.020

(1.33)

0.260***

(6.37)

0.229***

(6.49)

-0.009

(-0.52)

-0.150*

(-1.79)

-0.391**

(-2.00)

0.070***

(4.99)

0.038

(0.75)

-0.008***

(-7.61)

-0.009

(-0.48)

0.166

(0.68)

控制

27490

0.025

表7 其他穩(wěn)健性檢驗

變量

DivAtt

DivRatio

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

(1)

Div

0.615***

(10.29)

-0.015***

(-2.88)

0.178***

(14.78)

0.218***

(7.83)

0.027***

(15.36)

-0.343***

(-29.73)

-0.064

(-1.57)

0.064***

(5.81)

0.031

(0.82)

-0.005***

(-11.14)

-0.043***

(-10.32)

-0.354***

(-7.70)

控制

29179

0.082

(2)

Dum_div

0.128***

(4.87)

-0.683***

(-12.87)

1.185***

(9.91)

0.825***

(3.10)

0.581***

(31.15)

-2.439***

(-22.43)

22.060***

(39.87)

0.397***

(3.78)

-0.443

(-1.22)

-0.039***

(-8.52)

-0.197***

(-5.08)

-11.356***

(-24.57)

控制

29179

0.209

(3)

Div

0.014***

(5.89)

-0.008

(-1.54)

0.188***

(14.90)

0.241***

(8.20)

0.026***

(13.91)

-0.329***

(-26.86)

-0.028

(-0.67)

0.064***

(5.56)

0.037

(0.93)

-0.006***

(-11.32)

-0.044***

(-10.00)

-0.321***

(-6.58)

控制

27495

0.075

投資證券保險 Investment Stock & Insurance

33

2023年第9期 WUHAN

FINANCE

五、機制檢驗

前文通過實證檢驗了中小股東“股利關(guān)注”對企

業(yè)現(xiàn)金股利政策的促進作用，但其具體作用機制還

未得到驗證。正如前文理論分析所述，中小股東“股

利關(guān)注”可能通過提高中小股東監(jiān)督水平和企業(yè)輿

論壓力發(fā)揮治理作用，進而提高企業(yè)現(xiàn)金股利分

配。為了進一步明確中小股東“股利關(guān)注”對企業(yè)現(xiàn)

金股利的影響機制，本文參考馬慧等[37]

的研究，采用

下列模型進行機制檢驗。首先，通過模型（2）估計中

小股東“股利關(guān)注”對機制變量（Ｍ）的影響；其次，通

過模型（3）分析第一階段得出的預測機制變量（M?）

對企業(yè)現(xiàn)金股利政策的影響。

M = β0 + β1DivAtt + β2Controls +

β3 Ind + β4Year + ε （2）

Div = γ0 + γ1M?+ γ2Controls +

γ3 Ind + γ4Year + ε （3）

其中，M為機制變量。借鑒周茜等[38]

的方法，本

文以基于主成分分析法構(gòu)建的公司治理水平（Gov?

ernance）作為衡量指標。Governance越大，說明公司

治理水平越高。其余與模型（1）保持一致。β1表示

中小股東股利關(guān)注對機制變量的影響程度，γ1表示

由中小股東“股利關(guān)注”驅(qū)動的機制變量對現(xiàn)金股利

政策產(chǎn)生的影響。

表8是機制檢驗的回歸結(jié)果。（1）列中，DivAtt的

系數(shù)顯著為正，表明中小股東“股利關(guān)注”越高，企業(yè)

公司治理水平越高，即中小股東“股利關(guān)注”提高了

企業(yè)治理水平，與預期一致。（2）列中，Gov



ernance

的系數(shù)顯著為正，表明中小股東“股利關(guān)注”導致的

企業(yè)治理水平越高，企業(yè)現(xiàn)金股利發(fā)放水平也越高，

即提高公司治理水平是中小股東“股利關(guān)注”提高企

業(yè)現(xiàn)金股利發(fā)放的重要路徑。

六、異質(zhì)性分析

前文機制檢驗表明，中小股東“股利關(guān)注”通過

發(fā)揮治理作用進而提高上市公司現(xiàn)金股利分配，但

對于這種正向關(guān)系的影響因素仍需進一步探究。為

此，本文將從機構(gòu)投資者持股、分析師關(guān)注度、行業(yè)

競爭程度以及投資者保護水平等方面進行異質(zhì)性分

析，探究異質(zhì)性因素對中小股東“股利關(guān)注”促進現(xiàn)

金股利分配的影響。

（一）機構(gòu)投資者持股

機構(gòu)投資者與中小股東雖屬于上市公司的外部

股東，但二者在信息能力上存在著根本差異。相比

于中小股東，機構(gòu)投資者信息獲取渠道眾多，信息解

讀專業(yè)性更強，能夠通過實地調(diào)研等方式參與公司

治理，進而影響企業(yè)決策。因此，當機構(gòu)投資者持股

比例較高時，通過交易所網(wǎng)絡(luò)互動平臺開展互動的

中小股東較少，“股利關(guān)注”發(fā)揮的治理作用有限。

而當機構(gòu)投資者持股比例較低時，企業(yè)內(nèi)股東構(gòu)成

多為中小股東，既缺乏了解公司經(jīng)營狀況的渠道，也

難以面對面向上市公司表達訴求。此時，中小股東

更依賴交易所網(wǎng)絡(luò)互動平臺與上市公司交流，對關(guān)

乎個人利益的現(xiàn)金股利政策“發(fā)聲”，發(fā)揮監(jiān)督治理

作用，進而影響企業(yè)現(xiàn)金股利分配。本文以機構(gòu)投

資者持股比例（INST）的中位數(shù)將樣本分為機構(gòu)投

資者持股比例高（INST=1）和低（INST=0）兩組進行

回歸。表9（1）和（2）列為機構(gòu)投資者持股比例的分

組回歸結(jié)果。可以看出，中小股東“股利關(guān)注”的系

表8 機制檢驗

變量

DivAtt

Gov



ernance

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

(1)

Governance

0.038***

(7.89)

-0.271***

(-26.62)

-0.742***

(-30.36)

-0.493***

(-8.77)

-0.213***

(-58.81)

-0.144***

(-6.08)

-0.297***

(-3.58)

-1.827***

(-81.80)

5.115***

(66.03)

-0.000

(-0.19)

-0.497***

(-58.85)

7.679***

(81.97)

控制

27595

0.6980

(2)

Div

0.261***

(4.00)

0.054***

(2.92)

0.404***

(7.97)

0.376***

(8.72)

0.080***

(5.85)

-0.283***

(-17.54)

0.117***

(2.60)

0.549***

(4.59)

-1.287***

(-3.83)

-0.006***

(-11.94)

0.082**

(2.47)

-2.327***

(-4.68)

控制

27595

0.0825

34

數(shù)在機構(gòu)投資者持股比例低的組顯著為正，而在持

股比例高的組并不顯著，表明中小股東“股利關(guān)注”

對企業(yè)現(xiàn)金股利的促進作用在機構(gòu)投資者持股比例

較低的企業(yè)中表現(xiàn)更為明顯。

（二）分析師關(guān)注

分析師作為資本市場中重要的信息中介和外部

監(jiān)督力量，對中小股東“股利關(guān)注”與上市公司現(xiàn)金

股利政策之間的關(guān)系具有重要影響。隨著分析師關(guān)

注度的增加，一方面，分析師能以信息挖掘者的角色

將公司特質(zhì)信息充分地釋放到資本市場中，中小股

東通過分析師報道獲得企業(yè)現(xiàn)金股利政策相關(guān)信

息，并對企業(yè)內(nèi)部人的自由現(xiàn)金流掏空行為加以限

制；另一方面，通過實地調(diào)研、參加會議等形式，分析

師能夠更加密切地監(jiān)督企業(yè)內(nèi)部人因自利動機而引

起的機會主義行為，起到“放大鏡”作用。因此，分析

師關(guān)注度越高，企業(yè)所受到的監(jiān)督治理水平越高，此

時中小股東通過交易所網(wǎng)絡(luò)互動平臺發(fā)表“股利關(guān)

注”，能夠更加及時、準確地獲取信息，監(jiān)督企業(yè)行

為，進而影響股利分配決策?；诖耍疚念A期，中

小股東“股利關(guān)注”對企業(yè)現(xiàn)金股利的促進作用在分

析師關(guān)注度高的企業(yè)中表現(xiàn)更顯著。參考陳華等[36]

的研究，本文以分析師關(guān)注人數(shù)（Analyst）的中位數(shù)，

將樣本分為分析師關(guān)注度高（Analyst=1）和低（Ana?

lyst=0）兩組，分別進行回歸。表 9（3）和（4）列為分

析師關(guān)注的分組回歸結(jié)果。結(jié)果顯示，中小股東“股

利關(guān)注”的系數(shù)在分析師關(guān)注度高的組顯著為正，而

在分析師關(guān)注度低的組不顯著，表明中小股東“股利

關(guān)注”對企業(yè)現(xiàn)金股利的促進作用在分析師關(guān)注度

高的企業(yè)中表現(xiàn)更為明顯。

（三）行業(yè)競爭

行業(yè)競爭在影響企業(yè)外部經(jīng)營決策環(huán)境的同

時，也對中小股東利用交易所網(wǎng)絡(luò)互動平臺發(fā)揮治

理作用產(chǎn)生重要影響。首先，行業(yè)競爭為中小股東

“股利關(guān)注”發(fā)揮監(jiān)督治理作用創(chuàng)造更規(guī)范的外部環(huán)

境。處于高行業(yè)競爭程度的企業(yè)市場信息透明度更

高，降低了監(jiān)督成本，起到外部治理效應(yīng)[39]

。在這種

情況下，中小股東“股利關(guān)注”能更加及時地獲取企

業(yè)現(xiàn)金股利相關(guān)信息，對企業(yè)內(nèi)部人機會主義行為

起到監(jiān)督作用，迫使其提高現(xiàn)金股利分配水平。其

次，行業(yè)競爭程度會影響企業(yè)對中小股東等利益相

關(guān)者的關(guān)注。激烈的行業(yè)競爭產(chǎn)生較大的經(jīng)營壓

力，企業(yè)的危機意識和競爭意識也會更強，為了維系

企業(yè)聲譽和股價穩(wěn)定，企業(yè)更有動機滿足中小股東

的要求，以保持競爭優(yōu)勢。參考金龍等[40]

的研究，本

文采用基于營業(yè)收入構(gòu)建的勒納指數(shù)作為行業(yè)競爭

程度（Lerner）的衡量指標，該變量取值越小，表示行

業(yè)競爭水平越高。表 10（1）和（2）列是根據(jù)樣本行

業(yè)競爭程度（Lerner）的年度均值將其分為行業(yè)競爭

度高（Lerner=0）和低（Lerner=1）兩組的回歸結(jié)果。

結(jié)果顯示，中小股東“股利關(guān)注”的系數(shù)在行業(yè)競爭

度高的組顯著為正，而在行業(yè)競爭度低的組不顯著，

表明中小股東“股利關(guān)注”對企業(yè)現(xiàn)金股利的促進作

用在行業(yè)競爭度高的企業(yè)中表現(xiàn)更為明顯。

（四）投資者保護水平

我國地域遼闊，不同地區(qū)投資者保護水平差異

較大。中小股東“股利關(guān)注”對企業(yè)現(xiàn)金股利政策影

響的實際效果與企業(yè)所在地區(qū)的投資者保護水平有

密切關(guān)系。在相對健全、有效的投資者保護地區(qū)，完

善的法律保護與監(jiān)管體系為較高的信息透明度提供

表9 異質(zhì)性檢驗：基于機構(gòu)投資者持股和分析師關(guān)注

變量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

組間差異

(1)

INST=1

Div

0.005

(1.35)

-0.009

(-0.95)

0.167***

(6.58)

0.326***

(7.31)

0.020***

(6.13)

-0.340***

(-14.01)

-0.298***

(-3.44)

0.068***

(3.30)

0.094

(1.32)

-0.005***

(-6.44)

-0.027***

(-3.20)

-0.232***

(-2.68)

控制

13796

0.0823

3.88***

(2)

INST=0

0.017***

(4.26)

-0.020***

(-2.59)

0.224***

(12.12)

0.191***

(4.34)

0.024***

(7.96)

-0.289***

(-15.77)

0.388***

(5.87)

0.064***

(3.57)

-0.029

(-0.46)

-0.007***

(-8.96)

-0.059***

(-8.88)

-0.290***

(-3.76)

控制

13810

0.0820

(3)

Analyst=1

0.014***

(4.69)

-0.011*

(-1.76)

0.219***

(14.43)

0.232***

(6.74)

0.023***

(11.11)

-0.319***

(-22.23)

0.055

(1.10)

0.073***

(5.35)

0.072

(1.53)

-0.005***

(-8.99)

-0.042***

(-8.09)

-0.345***

(-6.20)

控制

17683

0.0896

2.38***

(4)

Analyst=0

0.005

(1.08)

-0.029***

(-3.26)

0.173***

(8.42)

0.249***

(5.17)

0.027***

(7.57)

-0.317***

(-15.58)

0.080

(1.05)

0.072***

(3.82)

0.017

(0.25)

-0.007***

(-8.50)

-0.055***

(-7.58)

-0.303***

(-3.48)

控制

11181

0.0758

投資證券保險 Investment Stock & Insurance

35

2023年第9期 WUHAN

FINANCE

了制度保障，市場中各種交易行為與行業(yè)規(guī)范會更

加透明，企業(yè)一旦失信于中小股東，將會受到法律懲

罰。因此，在較為健全的投資者保護水平下，中小股

東“股利關(guān)注”發(fā)揮的治理作用能得到有效保障，最

大限度地約束市場上的機會主義行為，迫使企業(yè)提

高現(xiàn)金股利分配水平。而在投資者保護水平較弱的

地區(qū)，法律制度、監(jiān)管機制不健全，契約執(zhí)行成本較

高，中小股東“股利關(guān)注”的治理作用無法有效發(fā)揮，

對現(xiàn)金股利政策的影響較弱。參考王小魯?shù)萚41]

的研

究，采用《中國分省份市場化指數(shù)報告》中“市場中介

組織的發(fā)育和法律制度環(huán)境指數(shù)”衡量企業(yè)所處地

區(qū)的投資者保護水平（Law），并根據(jù)投資者保護水

平（Law）均值將樣本分為投資者保護水平高（Law=

1）和低（Law=0）兩組進行回歸。表10（3）和（4）列為

投資者保護水平的回歸結(jié)果。可以看出，中小股東

“股利關(guān)注”在投資者保護水平高的組中更顯著，表

明中小股東“股利關(guān)注”對企業(yè)現(xiàn)金股利的促進作用

在投資者保護水平高的企業(yè)中表現(xiàn)更為明顯。

七、結(jié)論與啟示

在現(xiàn)代信息技術(shù)和社交媒體不斷發(fā)展的背景

下，中小股東參與公司治理的方式發(fā)生了巨大變化，

基于社交媒體的信息溝通成為中小股東新的“發(fā)聲”

和行權(quán)的渠道。本文以 2010—2021 年滬深交易所

網(wǎng)絡(luò)互動平臺“問答”板塊上的互動數(shù)據(jù)為樣本，采

用關(guān)鍵詞提取技術(shù)構(gòu)建“股利關(guān)注”指標，實證檢驗

中小股東“股利關(guān)注”對上市公司現(xiàn)金股利分配的影

響，以及不同情境下上述效果的作用差異。研究發(fā)

現(xiàn)：中小股東“股利關(guān)注”促進了上市公司現(xiàn)金股利

分配；機制檢驗表明，中小股東“股利關(guān)注”通過發(fā)揮

治理作用，進而提高現(xiàn)金股利分配。異質(zhì)性檢驗發(fā)

現(xiàn)，中小股東“股利關(guān)注”對上市公司現(xiàn)金分配的促

進作用在機構(gòu)投資者持股比例越低、分析師關(guān)注度

越高、所處行業(yè)競爭較強以及投資者保護水平高的

企業(yè)中更顯著。

本研究的啟示在于：首先，提高投資者網(wǎng)絡(luò)互動

平臺互動是實現(xiàn)公司治理的有效路徑之一。交易所

通過網(wǎng)絡(luò)互動平臺這種基于網(wǎng)絡(luò)媒介的信息交流機

制將問詢的權(quán)利交給了投資者，拉近了上市公司與

投資者的距離，為中小股東行權(quán)提供了便利。在互

聯(lián)網(wǎng)信息發(fā)展背景下，中小股東應(yīng)當認識到交易所

網(wǎng)絡(luò)平臺對其參與公司治理發(fā)揮的重要作用，對于

與自身利益息息相關(guān)的事件，應(yīng)充分重視網(wǎng)絡(luò)平臺

互動交流方式，成為公司治理的主動發(fā)聲者和積極

參與者，積極維護自身合法權(quán)益及合理利益訴求。

其次，現(xiàn)金分紅作為企業(yè)利潤分配的重要形式，是上

市公司中小股東獲取回報的主要方式之一，也是培

育中小股東長期投資理念、增強資本市場吸引力的

重要途徑。上市公司應(yīng)充分認識發(fā)放現(xiàn)金股利的重

要性與必要性，在調(diào)整現(xiàn)金股利分配水平時應(yīng)廣泛

參考中小股東的意見、建議，保障投資者的投資收

益。最后，監(jiān)管部門應(yīng)不斷健全投資者保護相關(guān)法

律，規(guī)范制度信息披露，積極利用現(xiàn)代化信息技術(shù)手

段引導市場中各類主體參與溝通交流，同時鼓勵上

市公司通過各類信息媒介與企業(yè)投資者進行交流，

披露相關(guān)信息，為實現(xiàn)交易所預期的市場化監(jiān)管的

“落腳點”提供支撐。■

表10 異質(zhì)性檢驗：基于行業(yè)競爭和投資者保護水平

變量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常數(shù)項

行業(yè)&年份

樣本量

調(diào)整的R2

組間差異

(1)

Lerner=1

Div

0.007

(1.51)

-0.023*

(-1.85)

0.194***

(7.08)

0.301***

(6.40)

0.025***

(6.56)

-0.298***

(-11.95)

-0.078

(-0.98)

0.066***

(2.87)

0.039

(0.48)

-0.004***

(-5.08)

-0.047***

(-5.05)

-0.295***

(-2.90)

控制

10049

0.1015

2.26***

(2)

Lerner=0

0.011***

(3.44)

-0.018***

(-2.60)

0.183***

(10.57)

0.220***

(5.57)

0.025***

(9.76)

-0.341***

(-20.62)

0.093

(1.55)

0.076***

(4.84)

0.031

(0.57)

-0.007***

(-9.67)

-0.047***

(-7.79)

-0.317***

(-4.82)

控制

15802

0.0778

(3)

Law=1

0.019***

(5.62)

0.003

(0.33)

0.223***

(13.48)

0.239***

(6.09)

0.021***

(8.68)

-0.298***

(-17.96)

0.077

(1.43)

0.061***

(3.95)

0.057

(1.07)

-0.007***

(-10.04)

-0.042***

(-6.94)

-0.337***

(-4.74)

控制

15521

0.0812

3.31***

(4)

Law=0

0.011**

(2.35)

-0.027***

(-2.70)

0.138***

(5.44)

0.206***

(4.77)

0.035***

(9.79)

-0.378***

(-17.73)

-0.246***

(-3.21)

0.076***

(3.33)

0.032

(0.43)

-0.005***

(-4.91)

-0.044***

(-4.98)

-0.478***

(-4.97)

控制

13652

0.0865

36

[參考文獻]

[1] 羅琦，孔維煜，李輝.上市公司發(fā)放現(xiàn)金股利的價值效應(yīng)：

基于委托代理問題視角的實證研究[J].改革，2020（5）：108-

121.

[2] 吳緯地.半強制股利政策與上市公司股利分配[J].財會通

訊，2021（4）：120-123+150.

[3] YAO S Y，WANG C F，CUI X，et al. Idiosyncratic Skew?

ness，Gambling Preference，and Cross- Section of Stock Re?

turns：Evidence from China[J]. Pacific-Basin Finance Journal，

2019，53：464-483.

[4] 曾愛民，吳偉，吳育輝.中小股東積極主義對債券持有人

財富的溢出影響：基于網(wǎng)絡(luò)投票數(shù)據(jù)的實證研究[J].金融研

究，2021（12）：189-206.

[5] 楊晶，沈藝峰，熊艷“. 散戶”積極主義與公司現(xiàn)金股利政

策：以輿論關(guān)注為研究視角[J].廈門大學學報（哲學社會科

學版），2017（2）：106-117.

[6] 胡茜茜，朱永祥，杜勇.網(wǎng)絡(luò)環(huán)境下中小股東的治理效應(yīng)

研究：基于代理成本視角[J].財經(jīng)研究，2018（5）：109-120.

[7] 孔東民，劉莎莎，黎文靖，等.冷漠是理性的嗎?中小股東

參與、公司治理與投資者保護[J].經(jīng)濟學（季刊），2013（1）：

1-28.

[8] CHENG C S A，ESHLEMAN J D. Does the Market Over?

weight Imprecise Information? Evidence from Customer Earn?

ings Announcements[J]. Review of Accounting Studies，2014，

19（3）：1125-1151.

[9] 丁慧，呂長江，陳運佳.投資者信息能力：意見分歧與股價

崩盤風險——來自社交媒體“上證e互動”的證據(jù)[J].管理世

界，2018（9）：161-171.

[10] CHAU J，LAI S F，YANG Y G. Filling in the Governance

Void：The Voice of Individual Investors[R]. SSRN Electronic

Journal，2020.

[11] CADE N L. Corporate Social Media：How Two-way Dis?

closure Channels Influence Investors[J]. Accounting，Organiza?

tions and Society，2018，68-69：63-79.

[12] 田高良，司毅，韓潔，等.媒體關(guān)注與稅收激進：基于公司

治理視角的考察[J].管理科學，2016（2）：104-121.

[13] 于忠泊，田高良，齊保壘，等.媒體關(guān)注的公司治理機制：

基于盈余管理視角的考察[J].管理世界，2011（9）：127-140.

[14] 李文貴，路軍.網(wǎng)絡(luò)平臺互動與股價崩盤風險：“溝通易”

還是“操縱易”[J].中國工業(yè)經(jīng)濟，2022（7）：178-196.

[15] 羅勁博，熊艷.中小股東“在線發(fā)聲”與企業(yè)會計穩(wěn)健性：

來自雪球論壇的證據(jù)[J].財經(jīng)研究，2021（12）：150-165.

[16] JENSEN M C. Agency Costs of Free Cash Flow，Corporate

Finance，and Takeovers[J]. The American Economic Review，

1986，76（2）：323-329.

[17] JOHNSON S，LA PPORTA R，LOPEZ-DE-SILANES F，

et al. Tunneling[J]. American Economic Review，2000，90（2）：

22-27.

[18] BAE K-H，KANG J-K，KIM J-M. Tunneling or Value

Added? Evidence from Mergers by Korean Business Groups[J].

The Journal of Finance，2002，57（6）：2695-2740.

[19] JIANG G，LEE C M C，YUE H. Tunneling Through Inter?

corporate Loans：The China Experience[J]. Journal of Finan?

cial Economics，2010，98（1）：1-20.

[20] PENG L，XIONG W. Investor Attention，Overconfidence

and Category Learning[J]. Journal of Financial Economics，

2006，80（3）：563-602.

[21] 賈瑩丹.中小股東異議的公司治理效應(yīng)：來自審計師改

聘議案的證據(jù)[J].審計研究，2015（1）：99-105.

[22] 鄭國堅，蔡貴龍，盧昕“. 深康佳”中小股東維權(quán)：“庶民的

勝利”抑或“百日維新”?一個中小股東參與治理的分析框架

[J].管理世界，2016（12）：145-158+188.

[23] BEBCHUK L A. The Case for Increasing Shareholder Pow?

er[J]. Harvard Law Eeview，2005，118（3）：833-914.

[24] ALLEN F，QIAN J，QIAN M. Law，F(xiàn)inance，and Eco?

nomic Growth in China[J]. Journal of Financial Economics，

2005，77（1）：57-116.

[25] 高敬忠，楊朝.網(wǎng)絡(luò)平臺互動能夠抑制實體企業(yè)金融化

嗎?來自交易所互動平臺問答的經(jīng)驗證據(jù)[J].上海財經(jīng)大學

學報，2021（5）：50-64+106.

[26] 楊興全，程慧慧.網(wǎng)絡(luò)平臺互動如何影響公司現(xiàn)金持有?

來自交易所互動平臺的證據(jù)[J].現(xiàn)代經(jīng)濟探討，2023（1）：

54-69.

[27] 竇超，羅勁博.中小股東利用社交媒體“發(fā)聲”能否改善

高管薪酬契約[J].財貿(mào)經(jīng)濟，2020（12）：85-100.

[28] 潘紅波，楊海霞.利益相關(guān)者“創(chuàng)新關(guān)注”促進了企業(yè)創(chuàng)

新嗎：來自深交所“互動易”的證據(jù)[J].南開管理評論，2022

（3）：85-96.

[29] 高敬忠，楊朝.網(wǎng)絡(luò)平臺互動能夠抑制實體企業(yè)金融化

嗎?來自交易所互動平臺問答的經(jīng)驗證據(jù)[J].上海財經(jīng)大學

學報，2021（5）：50-64+106.

[30] 楊凡，張玉明.投資者社交媒體“發(fā)聲”與企業(yè)技術(shù)創(chuàng)新：

基于信息效應(yīng)和治理效應(yīng)的研究[J].山西財經(jīng)大學學報，

2021（11）：115-126.

[31] DAS S，MARTINEZ- JEREZ A，TUFANO P. Elnforma?

tion：A Clinical Study of Investor Discussion and Sentiment[J].

Financial Management，2005，34（3）：103-137.

[32] KREPS D M，WILSON R. Reputation and Imperfect Infor?

mation[J]. Journal of Economic Theory，1982，27（2）：253-279.

[33] 呂纖，韓云.自信還是模仿：管理者過度自信與現(xiàn)金股利

同行效應(yīng)研究[J].中國地質(zhì)大學學報（社會科學版），2022

（3）：110-122.

[34] 呂纖，向東進.現(xiàn)金股利迎合與股價信息效率[J].中國地

質(zhì)大學學報（社會科學版），2017（6）：170-178.

[35] 李學峰，蔡新怡.機構(gòu)投資者抱團如何影響上市公司現(xiàn)

金股利政策[J].上海金融，2023（1）：25-37.

[36] 陳華，孫漢，沈胤鴻.交易所網(wǎng)絡(luò)平臺互動能緩解股價崩

盤風險嗎?基于管理層回復質(zhì)量的異質(zhì)性角度[J].上海財經(jīng)

大學學報，2022（3）：92-107.

[37] 馬慧，陳勝藍.企業(yè)數(shù)字化轉(zhuǎn)型、壞消息隱藏與股價崩盤

風險[J].會計研究，2022（10）：31-44.

[38] 周茜，許曉芳，陸正飛.去杠桿，究竟誰更積極與穩(wěn)妥?

[J].管理世界，2020（8）：127-148.

[39] SCHMIDT K M. Managerial Incentives and Product Mar?

ket Competition[J]. The Review of Economic Studies，1997，64

（2）：191-213.

[40] 金龍，丁志國，丁垣竹.地緣網(wǎng)絡(luò)中債務(wù)違約會加劇企業(yè)

投資不足嗎?[J].中央財經(jīng)大學學報，2022（4）：50-62+118.

[41] 王小魯，樊綱，胡李鵬.中國分省份市場化指數(shù)報告

（2018）[M].北京：社會科學文獻出版社，2019：216-217.

（責任編輯：GW / 校對：XY）

投資證券保險 Investment Stock & Insurance

37

2023年第9期 WUHAN

FINANCE

一、引言

縣域金融市場分割、金融供需不平衡是制約我

國縣域經(jīng)濟發(fā)展的主要原因之一。中共中央、國務(wù)

院于2022年4月發(fā)布的《關(guān)于加快建設(shè)全國統(tǒng)一大

市場的意見》指出，要加快建設(shè)全國統(tǒng)一大市場，提

升區(qū)域間市場互聯(lián)互通水平，打破區(qū)域封鎖和市場

分割，重塑大國競爭優(yōu)勢。這一舉措有望打破縣域

經(jīng)濟發(fā)展的區(qū)域壁壘，促進縣域經(jīng)濟高質(zhì)量發(fā)展。

與此同時，隨著數(shù)字金融的迅猛發(fā)展，以銀行為主導

的縣域金融市場正在發(fā)生深刻的變化。數(shù)字金融打

破了縣域傳統(tǒng)金融市場的信息壁壘，降低了傳統(tǒng)金

融對物理網(wǎng)點的依賴，并為建設(shè)全國縣域金融統(tǒng)一

大市場提供了技術(shù)保障[1]

。2022 年 4 月，中央網(wǎng)信

辦、農(nóng)業(yè)農(nóng)村部等多部門聯(lián)合發(fā)布的《2022 年數(shù)字

鄉(xiāng)村發(fā)展工作要點》強調(diào)，要加強數(shù)字金融在農(nóng)村地

區(qū)的應(yīng)用推廣，強化信息技術(shù)對鄉(xiāng)村振興的驅(qū)動賦

能作用。數(shù)字金融能夠促進新的縣域銀行競爭格局

的建立，并通過優(yōu)化金融市場結(jié)構(gòu)，加強金融服務(wù)縣

域?qū)嶓w經(jīng)濟的能力，從而促進鄉(xiāng)村振興發(fā)展。

截至2022年初，全國已有上千個縣與網(wǎng)商銀行

合作發(fā)展數(shù)字普惠金融，縣域數(shù)字信貸得到快速發(fā)

展。根據(jù)2021年中國社會科學院農(nóng)村發(fā)展研究所

發(fā)布的《中國縣域數(shù)字普惠金融發(fā)展指數(shù)報告

2021》，縣域數(shù)字金融的發(fā)展得益于縣級政府的積極

推進，政府支持對縣域數(shù)字金融的普及與發(fā)展至關(guān)

重要。馮林等[2]

研究發(fā)現(xiàn)，采用農(nóng)村產(chǎn)權(quán)改革、信用

體系建設(shè)、政府增信等合作型政策，有利于縣域間形

成合力，可以同時提升本縣與其他縣的金融發(fā)展水

平；采用稅費減免、財政補貼等保護型政策，短期可

以吸引金融資源流入本縣，但會抑制其他縣的金融

發(fā)展，不利于統(tǒng)一大市場的建設(shè)，這種增量改革沒有

從根本上解決全國縣域金融發(fā)展不平衡的問題[3]

。

縣域政府政策的實施存在行政區(qū)域邊界，考慮到數(shù)

字金融有更強的流動性，可以突破地域的邊界，因此

從空間金融的角度，研究縣域政府的金融政策對本

縣和其他縣金融市場影響的差異化效果，具有重要

的理論與實踐價值。本文在建設(shè)全國統(tǒng)一大市場背

景下，從縣域空間關(guān)聯(lián)上分析以下問題：數(shù)字技術(shù)能

否促進縣域間金融資源的流動，進而改變縣域內(nèi)和

縣域外的銀行競爭格局？數(shù)字金融是否有助于打破

縣域間金融市場的分割？數(shù)字金融進入縣域金融市

摘 要：本文基于 2016—2019 年我國 1914 個縣的面板數(shù)據(jù)，通過構(gòu)建空間杜賓模型實證檢驗數(shù)字金融發(fā)展對縣域銀行競爭的影響。

研究結(jié)果表明：（1）數(shù)字金融會促進本縣銀行競爭，而對相鄰縣銀行競爭產(chǎn)生負向的空間溢出效應(yīng)。（2）在同一市域下，數(shù)字金融對縣域銀

行競爭產(chǎn)生的負向空間溢出效應(yīng)被削弱；屬于同一市的相鄰縣域間空間溢出效應(yīng)強于不相鄰的縣域。（3）現(xiàn)階段縣級政府金融政策的支

持，可以加強數(shù)字金融對縣域銀行競爭的空間溢出效應(yīng)，促進金融資源流動，從整體上推動數(shù)字金融的發(fā)展。本文研究結(jié)論對于構(gòu)建縣

域數(shù)字金融體系和全國統(tǒng)一大市場具有重要意義。

關(guān)鍵詞：數(shù)字金融；銀行競爭；縣域經(jīng)濟；空間溢出效應(yīng)

中圖分類號：F832.33 文獻標識碼：A 文章編號：1009-3540（2023）09-0038-0007

基金項目：教育部人文社科青年基金項目“政府干預與市場競爭良性聯(lián)動下金融支持貧困縣域經(jīng)濟可持續(xù)發(fā)展研究”（20YJC790033）。

■ 郭娜 曹琳琳 馬亞楠

作者簡介：郭娜（1985—），女，博士，北京工商大學經(jīng)濟學院講師，研究生導師； 曹琳琳（通訊作者）（1995—），女，北京工商大學經(jīng)濟學院

碩士研究生； 馬亞楠（1996—），女，北京工商大學經(jīng)濟學院碩士研究生。

數(shù)字金融對縣域銀行競爭的影響

——基于空間溢出效應(yīng)視角

38

場離不開政府的引導，在政府的支持下數(shù)字金融對

縣域銀行競爭的影響又會發(fā)生怎樣的改變？行政隸

屬關(guān)系和空間地理距離對數(shù)字金融的空間溢出效應(yīng)

是否有影響？對這些問題的回答，不僅能夠為縣域政

府促進金融發(fā)展建言獻策，同時探索了政府與市場

如何在建立全國金融統(tǒng)一大市場時進行良性聯(lián)動。

二、理論分析與研究假設(shè)

前期研究中，學者們從數(shù)字金融緩解信息不對

稱[3]

、銀行風控能力[4]

、提升運營效率[5]

、促進利率市

場化[6]

等多個角度論證了數(shù)字金融可以促進傳統(tǒng)銀

行競爭。雖然數(shù)字技術(shù)可以突破地理限制，但殷賀

等[7]

認為數(shù)字金融的發(fā)展仍會受到周邊地區(qū)影響。

現(xiàn)有縣域銀行競爭方面的研究則普遍忽略了空間關(guān)

聯(lián)的特征。

就縣域內(nèi)發(fā)展而言，一方面數(shù)字金融利用數(shù)字

技術(shù)收集更多信息，緩解銀行與客戶之間的信息不

對稱[8]

，促進銀行業(yè)務(wù)開展；另一方面對傳統(tǒng)銀行產(chǎn)

生“技術(shù)溢出”[9，10]

，推動銀行機構(gòu)業(yè)務(wù)創(chuàng)新，促進銀

行間競爭。就縣域外發(fā)展而言，數(shù)字金融的發(fā)展會

促進縣域間金融資源的流動，再加上銀行線上化轉(zhuǎn)

型，使得縣域間銀行網(wǎng)點共享成為可能?？紤]到銀

行網(wǎng)點設(shè)立成本較高，相鄰縣銀行網(wǎng)點的設(shè)立可能

會減少，進而抑制縣域外銀行競爭。基于此，本文提

出假設(shè)H1。

H1：數(shù)字金融會促進本縣銀行競爭，而對相鄰

縣銀行競爭產(chǎn)生負向空間溢出效應(yīng)。

從空間地理距離角度出發(fā)，“地理終結(jié)論”認為

信息技術(shù)可以打破金融活動的地理割裂，金融資本

可以在各個區(qū)域內(nèi)流動[11]

；“信息腹地論”則指出信

息技術(shù)會使金融資源在空間上集聚，形成信息腹地，

無法消除地理因素影響[12]

。而從市場角度來看，空

間距離較近的縣域，一般具有相似的資源稟賦，有利

于數(shù)字金融資源流動。其中，屬于同一市的縣域更

易整合資源、加強交流合作，從而縮小數(shù)字金融在市

域內(nèi)各個縣域的發(fā)展差距，減弱其對銀行競爭的負

向空間溢出效應(yīng)。屬于同一市的相鄰縣域之間不僅

政策更容易協(xié)調(diào)整合，而且空間地理距離近，便于市

場化資源流動?；诖?，本文提出假設(shè)H2。

H2：屬于同一市的相鄰縣域之間，數(shù)字金融對

銀行競爭的空間溢出效應(yīng)強于不相鄰的縣域。

縣域數(shù)字金融的推廣，既需要市場在資源配置

過程中發(fā)揮決定性作用，也離不開政府政策的推

動。已有學者研究發(fā)現(xiàn)，縣級地方政府金融政策可

能是促進共贏的“合作型政策”，抑或是僅對本縣有

利的“掠奪性政策”，兩種政策都會促進縣域金融發(fā)

展，并且產(chǎn)生空間效應(yīng)[2]

?，F(xiàn)階段，地方政府通常與

金融科技公司簽訂合作協(xié)議，以促進金融科技公司

與傳統(tǒng)銀行機構(gòu)合作，使數(shù)字金融的技術(shù)優(yōu)勢與傳

統(tǒng)銀行的網(wǎng)點優(yōu)勢相結(jié)合，健全當?shù)亟鹑隗w系。雖

然在我國的行政體系設(shè)置中，縣域政府政策的實施

范圍有地域上的界限，但地方政府之間的互相影響

和數(shù)字金融市場資源的跨地區(qū)流動，促使縣域金融

政策對本縣及周邊縣的數(shù)字金融發(fā)展同時產(chǎn)生影

響。因此，本文提出假設(shè)H3。

H3：縣域政府支持力度越強，數(shù)字金融對縣域

銀行競爭的空間溢出效應(yīng)越強。

三、研究設(shè)計

（一）空間模型的構(gòu)建

由于資源要素的流動，數(shù)字金融的發(fā)展在對本

縣銀行競爭產(chǎn)生影響的同時，可能會對縣域外其他

地區(qū)產(chǎn)生溢出效應(yīng)，在選擇模型時要考慮解釋變量

與被解釋變量的空間溢出效應(yīng)。因此，本文采用空

間杜賓模型，具體構(gòu)建方法如式（1）所示：

HHIi,t = αtn + ρWiHHIi,t + θ1Xi,t + θ2WiXi,t +

β1πi,t + β2Wi

πi,t + εi,t + μi,t + σi,t

（1）

其中，HHIi,t 為被解釋變量 i 縣在年度 t 的銀行

競爭水平；WiHHIi,t 是被解釋變量 HHIi,t 的空間滯后

項，主要體現(xiàn)縣域間銀行競爭的空間關(guān)聯(lián)性；ρ 表

示空間自相關(guān)系數(shù)，體現(xiàn)縣域間銀行競爭相互影響

的方向和程度；Wi =∑j = 1

n

wi,j 是 n × n 階空間權(quán)重矩

陣，i、j表示不同的縣，t為年份；Xi,t 是解釋變量i縣

在年度t的數(shù)字金融發(fā)展水平；θ1 是對應(yīng)的參數(shù)變

量。 WiXi,t 是解釋變量的空間滯后項，用來表示本

縣數(shù)字金融發(fā)展水平對其他縣域銀行競爭的影響，

影響的方向和程度用 θ2 表示。 πi,t 為控制變量，β1

為控制變量的影響系數(shù)；Wi

πi,t 為控制變量的空間

滯后項，其影響系數(shù)用 β2 表示。此外，εi,t 是隨機誤

差項，服從期望值為0，方差為 σ2 的標準正態(tài)分布，

μi,t 表示時間固定效應(yīng)；σi,t 表示地區(qū)固定效應(yīng)；tn

為n×1階單位矩陣，α 是常數(shù)項；n為所研究縣域的

總個數(shù)。

普惠金融 Financial Inclusion

39

2023年第9期 WUHAN

FINANCE

（二）空間權(quán)重矩陣的設(shè)定

空間權(quán)重矩陣是空間模型回歸的重要部分。借

鑒馮林等[2]

的做法，本文基于空間相鄰原則、行政隸

屬關(guān)系和空間地理距離構(gòu)建以下四個空間權(quán)重矩陣。

1.空間相鄰矩陣

利用GeoDa軟件，根據(jù)縣域之間在空間上是否

鄰接生成對稱矩陣，若縣域i與縣域j相鄰則取值為

1，其余元素均為0。如式（2）所示：

W1 = wi,j = ì

í

?

1，縣域i與縣域 j相鄰

0，縣域i與縣域 j不相鄰 （2）

2.行政隸屬關(guān)系矩陣

屬于同一市的縣域之間銀行機構(gòu)面臨的金融環(huán)

境基本一致，數(shù)字金融對銀行競爭的空間溢出效應(yīng)

可能較弱；而屬于同一市的相鄰縣域之間可能存在

競爭或合作關(guān)系，從而影響數(shù)字金融對銀行競爭的

空間溢出效應(yīng)。因此，本文構(gòu)建了屬于同一市的空

間權(quán)重矩陣 W2 和屬于同一市且相鄰的空間權(quán)重矩

陣 W3 ，檢驗數(shù)字金融對銀行競爭影響的空間溢出效

應(yīng)是否存在差異。 W2 中屬于同一地級市的縣取值

為1，否則為0；同理，W3 中屬于同一地級市且相鄰

的縣取值為1，否則為0。如式（3）和式（4）所示：

W2 = w'

i,j = ì

í

?

1，縣域i與縣域 j屬于同一市

0，縣域i與縣域 j不屬于同一市 （3）

W3 = w''

i,j ={

1，縣域i與縣域 j屬于同一市且相鄰

0，其他 （4）

3.空間地理距離矩陣

為考察縣域間地理距離不同，數(shù)字金融發(fā)展水

平對縣域銀行競爭的影響，本文構(gòu)建了空間地理距

離矩陣W4 。W4 的矩陣元素設(shè)定為兩個縣域之間球面

距離的倒數(shù)，對角線元素設(shè)置為0。如式（5）所示：

W4 = w'''

i,j =

ì

í

?

?

?

1

di,j

，縣域i與縣域 j球面距離的倒數(shù)

0 ，其他

（5）

此外，本文對空間權(quán)重矩陣 W1~W4 進行標準化

處理，使每行元素之和均為1，消除了空間權(quán)重矩陣

量綱的影響。

（三）變量選取

1.被解釋變量

縣域金融競爭主要表現(xiàn)在銀行業(yè)的競爭。本文

借鑒姜付秀等[13]

、張大永等[14]

的做法，采用赫芬達－

赫希曼指數(shù)（簡稱“HHI指數(shù)”），即銀行集中度來衡

量縣域金融競爭水平。銀行集中度越低，說明縣域

金融市場壟斷程度越低，競爭越激烈，二者呈反向變

化。已有文獻中關(guān)于 HHI 指數(shù)的衡量方法主要包

括兩種：一種是基于銀行機構(gòu)資產(chǎn)額計算得到[15—17]

；

一種是基于銀行機構(gòu)網(wǎng)點數(shù)量計算得到[18—20]

。考慮

到縣級各類銀行機構(gòu)資產(chǎn)額的可得性和數(shù)據(jù)真實性

較低，為了使實證檢驗結(jié)果更加精確，本文假設(shè)各類

銀行效率相同，根據(jù)原中國銀保監(jiān)會公布的各個銀

行機構(gòu)網(wǎng)點批準成立時間，統(tǒng)計每個縣各類銀行機

構(gòu)的網(wǎng)點數(shù)量以計算 HHI 指數(shù)。各個縣的 HHI 指

數(shù)的計算方法如式（6）所示：

HHI =∑j = 1

n ?

è

?

?

?

?

÷

÷

Branchj

∑j = 1

n

Branchj

2

（6）

n 表示該縣域銀行的類型，包含大型國有商業(yè)

銀行、中國郵政儲蓄銀行、股份制商業(yè)銀行、城市商

業(yè)銀行以及農(nóng)村金融機構(gòu)五大類。需要說明的是，

政策性銀行主要貫徹國家發(fā)展政策，進行特定的金

融服務(wù)，且不以營利為目的，不參與銀行間的競爭，

所以本文在計算 HHI 指數(shù)時沒有將其考慮在內(nèi)。

中國郵政儲蓄銀行是國有控股商業(yè)銀行，將其單獨

列出是因為相比于5家大型國有商業(yè)銀行，中國郵

政儲蓄銀行依托郵政系統(tǒng)分布較廣，在縣域地區(qū)網(wǎng)

點機構(gòu)占有較大份額，對縣域普惠金融發(fā)展有重要

作用。 Branchj 表示該縣域第 j 類銀行的網(wǎng)點數(shù)量，

∑j = 1

n

Branchj 表示該縣域各類銀行網(wǎng)點總數(shù)量。

HHI指數(shù)的取值位于0到1之間，HHI指數(shù)越低，表

明該縣域銀行集中度越低，競爭程度越高，縣域金融

競爭水平越高。

2.解釋變量

數(shù)字金融發(fā)展水平采用北京大學數(shù)字金融中心

發(fā)布的《北京大學數(shù)字普惠金融指數(shù)》2016—2019

年的縣級數(shù)據(jù)。本文主要運用數(shù)字普惠金融發(fā)展總

指數(shù)以及覆蓋廣度、使用深度、數(shù)字化程度三個維度

的分指數(shù)，從不同角度分析數(shù)字金融發(fā)展對縣域傳

統(tǒng)金融市場競爭的影響。

3.控制變量

考慮到政府政策的制定和實施需要財政支持，

如搭建信息平臺和信用體系、成立金融服務(wù)中心、增

加金融教育和科研投入等，政府財政支持力度（gov）

采用一般公共預算支出占地區(qū)生產(chǎn)總值的比重衡

量。借鑒粟勤等[19]

、袁鯤等[21]

和李明賢等[22]

的做法，

本 文 檢 驗 了 產(chǎn) 業(yè) 結(jié) 構(gòu)（ind1 和 ind3）、人 力 資 本

40

（edu）、金融發(fā)展深度（tra）、人口密度（lnpeo）、經(jīng)濟

發(fā)展水平（lnGDP）等控制變量對縣域銀行競爭的影

響。各變量的具體定義和符號見表1。

表1 變量定義與符號

變量類型

被解釋

變量

解釋變量

控制變量

變量名稱

銀行競爭水平

數(shù)字金融發(fā)展水平

覆蓋廣度

使用深度

數(shù)字化程度

政府財政支持力度

產(chǎn)業(yè)結(jié)構(gòu)

人力資本

金融發(fā)展深度

人口密度

經(jīng)濟發(fā)展水平

變量符號

HHI

lnfintech

lncover

lnusage

lndigital

gov

ind1

ind3

edu

tra

lnpeo

lnGDP

變量定義

赫芬達－赫希曼指數(shù)(HHI指數(shù))

北京大學數(shù)字普惠金融總指數(shù)取對

數(shù)

北京大學數(shù)字普惠金融覆蓋廣度指

數(shù)取對數(shù)

北京大學數(shù)字普惠金融使用深度指

數(shù)取對數(shù)

北京大學數(shù)字普惠金融數(shù)字化程度

指數(shù)取對數(shù)

一般公共預算支出/地區(qū)生產(chǎn)總值

第一產(chǎn)業(yè)增加值/地區(qū)生產(chǎn)總值

第三產(chǎn)業(yè)增加值/地區(qū)生產(chǎn)總值

縣中小學在校人數(shù)/戶籍總?cè)丝?/p>

（年末金融機構(gòu)各項貸款余額+居民

儲蓄存款余額）/地區(qū)生產(chǎn)總值

縣域總?cè)丝?縣域行政土地面積，取

對數(shù)

地區(qū)生產(chǎn)總值取對數(shù)

（四）數(shù)據(jù)來源

本文數(shù)據(jù)主要來源于《中國縣域統(tǒng)計年鑒（縣

市卷）》《北京大學數(shù)字普惠金融指數(shù)》和原中國銀

保監(jiān)會公布的全國金融機構(gòu)金融許可證信息。經(jīng)

過數(shù)據(jù)整理和剔除后，本文選取了我國 1914 個縣

（市、旗）2016—2019 年的面板數(shù)據(jù)進行實證檢驗，

所覆蓋縣域數(shù)量約占全國縣域數(shù)量的70%，共7656

個觀測值。

四、實證檢驗與結(jié)果分析

（一）變量的描述性統(tǒng)計

對各個變量進行描述性統(tǒng)計分析，結(jié)果如表 2

所示。各變量均表現(xiàn)出區(qū)域差異，HHI指數(shù)（銀行競

爭水平）的最大值為1，最小值為0.2341，表明縣域銀

行競爭存在較大地域差異，有些地區(qū)銀行機構(gòu)完全

壟斷（如西部地區(qū)），而有些地區(qū)銀行機構(gòu)競爭激烈

（如東部地區(qū)）。政府財政支持力度的最小值和最大

值差別較大，反映了不同地區(qū)政府對金融市場的支

持力度不同。由于對數(shù)字金融發(fā)展水平及三個維度

的數(shù)值進行了對數(shù)化處理，整體差別較小，但李明賢

等[22]

發(fā)現(xiàn)數(shù)字金融發(fā)展也存在地區(qū)不平衡問題。因

此，本文對數(shù)字金融、政府財政支持力度和縣域銀行

競爭水平三者間的關(guān)系進行空間溢出效應(yīng)分析，具

有一定的現(xiàn)實和理論意義。

表2 變量的描述性統(tǒng)計

變量

HHI

lnfintech

lncover

lnusage

lndigital

gov

ind1

ind3

edu

tra

lnpeo

lnGDP

樣本量

7656

7656

7656

7656

7656

7656

7656

7656

7656

7656

7656

7656

平均值

0.4203

4.6027

4.5081

4.7474

4.5886

0.3206

0.1844

0.4221

0.1132

1.6491

5.1771

14.0951

中位數(shù)

0.3910

4.6110

4.5026

4.7730

4.6457

0.2339

0.1688

0.4175

0.1113

1.4992

5.4043

14.1259

標準差

0.1204

0.1046

0.0602

0.1950

0.1972

0.2984

0.1091

0.1077

0.0344

0.8025

1.4176

1.0438

最小值

0.2341

4.2014

4.0514

3.9237

2.9881

0.0049

0.0001

0.0908

0.0237

0.0612

-2.1759

10.0794

最大值

1.0000

4.9633

4.7561

5.2781

5.2159

3.9407

0.7350

0.9102

0.3992

10.5145

8.4366

17.5156

（二）空間模型選擇與分析

本文利用 Moran’s I 指數(shù)對被解釋變量和解釋

變量進行了空間自相關(guān)檢驗，結(jié)果如表3所示?？h

域銀行競爭水平、數(shù)字金融發(fā)展水平、覆蓋廣度、使

用深度、數(shù)字化程度、政府財政支持力度都存在顯著

的空間正相關(guān)性，可以采用空間計量模型進一步分

析。本文采用極大似然法的空間杜賓模型對空間面

板數(shù)據(jù)進行估計，基于四個空間權(quán)重矩陣分別做了

隨機效應(yīng)、個體固定效應(yīng)、時間固定效應(yīng)、雙向固定

效應(yīng)的空間杜賓模型。經(jīng)Hausman檢驗和LR檢驗，

本文選取了估計效果最好的雙向固定效應(yīng)的空間杜

賓模型進行以下空間效應(yīng)分析。

表3 全局Moran’s I指數(shù)

主要變量

HHI

lnfintech

lncover

lnusage

lndigital

gov

2016年

0.341***

0.626***

0.517***

0.793***

0.250***

0.642***

2017年

0.354***

0.663***

0.446***

0.802***

0.300***

0.629***

2018年

0.346***

0.671***

0.475***

0.743***

0.368***

0.605***

2019年

0.346***

0.704***

0.561***

0.767***

0.484***

0.579***

注：***、**、*分別表示在1%、5%和10%的水平上顯著。

（三）實證檢驗結(jié)果分析

1.數(shù)字金融對縣域銀行競爭的影響

基于空間相鄰矩陣 W1 得出表 4 中的空間估計

普惠金融 Financial Inclusion

41

2023年第9期 WUHAN

FINANCE

結(jié)果，（1）列表示數(shù)字金融發(fā)展水平對銀行競爭的影

響，（2）至（4）列分別表示數(shù)字金融覆蓋廣度、使用深

度、數(shù)字化程度對銀行競爭的影響。（1）至（4）列中，

被解釋變量的空間自相關(guān)系數(shù) ρ 值均在1%水平上

顯著，說明相鄰縣域之間銀行競爭存在空間正相關(guān)

關(guān)系，本縣的銀行競爭增強，對相鄰縣的銀行競爭也

會產(chǎn)生正向影響。本文借鑒Lesage 等[23]

的研究，將

解釋變量對被解釋變量的空間回歸結(jié)果分為平均直

接效應(yīng)、平均間接效應(yīng)和平均總效應(yīng)，以此分析數(shù)字

金融對縣域銀行競爭的空間溢出效應(yīng)。

數(shù)字金融發(fā)展水平及其三個維度對縣域銀行競

爭的平均直接效應(yīng)如表4所示，數(shù)字金融對本縣的

銀行競爭具有顯著促進作用。由于北京大學數(shù)字普

惠金融指數(shù)是基于螞蟻金服數(shù)據(jù)編制的，數(shù)字金融

的覆蓋廣度主要采取支付寶賬戶數(shù)量及綁卡數(shù)量來

衡量，覆蓋廣度越高，表明可觸達的客戶范圍越廣[1]

。

但在我國縣域地區(qū)，出于習慣、偏好等原因，居民主

要在銀行網(wǎng)點辦理存貸款等金融業(yè)務(wù)，對銀行的信

任度遠高于數(shù)字金融；并且大多數(shù)居民只是使用支

付寶進行日常支付，對傳統(tǒng)銀行業(yè)務(wù)沒有產(chǎn)生顯著

影響，所以數(shù)字金融的覆蓋廣度對縣域銀行競爭的

促進作用不顯著。數(shù)字金融的使用深度反映了客戶

對支付、貨幣基金、信貸、保險、投資等數(shù)字金融產(chǎn)品

的應(yīng)用情況。數(shù)字化程度主要用移動支付、花唄支

付、二維碼支付、芝麻信用免押金額等指標衡量[1]

。

使用深度數(shù)值越大，說明金融產(chǎn)品越豐富，越能激發(fā)

銀行機構(gòu)學習效仿，推出更多金融產(chǎn)品，滿足客戶多

樣化的需求，再加上居民對銀行的依賴度較大，所以

數(shù)字金融使用深度會促進本縣傳統(tǒng)銀行的發(fā)展。數(shù)

字化程度對本縣銀行競爭的促進作用小于使用深

度，這是因為隨著互聯(lián)網(wǎng)技術(shù)進步，傳統(tǒng)銀行開始轉(zhuǎn)

型，加大科技研發(fā)投入，開通線上平臺，縮小了數(shù)字

金融與傳統(tǒng)金融之間的差距，數(shù)字金融對傳統(tǒng)銀行

的技術(shù)溢出逐漸減少，所以數(shù)字化程度對銀行競爭

的促進作用較小。

在間接效應(yīng)和總效應(yīng)方面，相鄰縣的數(shù)字金融

發(fā)展水平對本縣銀行競爭產(chǎn)生了抑制作用。一方

面，我國數(shù)字技術(shù)的快速發(fā)展促使傳統(tǒng)銀行業(yè)務(wù)轉(zhuǎn)

為線上，數(shù)字金融利用數(shù)字技術(shù)的便捷性、普惠性等

優(yōu)勢[21]

，打破地域限制，擴大客戶覆蓋范圍，使得相

鄰縣之間金融資源流動性更強，再加上交通的便捷

和線上業(yè)務(wù)的開展，相鄰縣可以共享銀行網(wǎng)點資

源。另一方面，數(shù)字金融發(fā)展會促進本縣銀行競爭，

營業(yè)網(wǎng)點增加，銀行為追求利潤最大化、降低成本，

會減少相鄰縣網(wǎng)點的設(shè)立，進而對相鄰縣的銀行競

爭產(chǎn)生抑制作用。由于縣域內(nèi)數(shù)字金融的正向空間

溢出效應(yīng)被相鄰縣域間的負向間接效應(yīng)所抵消，所

以數(shù)字金融對縣域銀行競爭的總效應(yīng)表現(xiàn)為抑制作

用。假設(shè)H1得到驗證。

2.基于行政隸屬關(guān)系矩陣和空間地理距離矩陣

的空間溢出效應(yīng)

本文基于在行政隸屬關(guān)系中屬于同一市的空間

權(quán)重矩陣 W2 、屬于同一市且相鄰的空間權(quán)重矩陣

W3 以及空間地理距離矩陣 W4 ，進一步分析數(shù)字金

融對縣域銀行競爭的空間溢出效應(yīng)。結(jié)果如表5所

示，各個權(quán)重矩陣下的銀行競爭的空間自相關(guān)系數(shù)

均顯著為正。其中，基于空間地理距離矩陣 W4 的空

表4 數(shù)字金融及其三個維度對銀行競爭的影響

變量

rho

直接

效應(yīng)

間接

效應(yīng)

總

效應(yīng)

控制變量

控制時間

控制地區(qū)

AIC

BIC

LL

N

lnfintech

lncover

lnusage

lndigital

lnfintech

lncover

lnusage

lndigital

lnfintech

lncover

lnusage

lndigital

(1)

0.1389***

-0.0421***

(0.0104)

0.0704***

(0.0146)

0.0283*

(0.0153)

是

是

是

-42350.69

-42225.71

21193.34

7656

(2)

0.1375***

-0.0147

(0.0124)

-0.0040

(0.0212)

-0.0188

(0.0226)

是

是

是

-42321.77

-42196.79

21178.88

7656

(3)

0.1372***

-0.0253***

(0.0069)

0.0410***

(0.0082)

0.0157*

(0.0083)

是

是

是

-42347.43

-42222.45

21191.71

7656

(4)

0.1389***

-0.0077***

(0.0023)

0.0141***

(0.0040)

0.0063

(0.0042)

是

是

是

-42339.28

-42214.30

21187.64

7656

注：***、**、*分別表示在1%、5%和10%的水平上顯著，括號內(nèi)數(shù)

字為標準誤。下表同。

42

間自相關(guān)系數(shù)最大，說明地理距離越近，縣域之間銀

行競爭的關(guān)聯(lián)性越強。

表5 基于不同空間權(quán)重矩陣的空間溢出效應(yīng)分解結(jié)果

變量

rho

直接效應(yīng)

間接效應(yīng)

總效應(yīng)

控制變量

控制時間

控制地區(qū)

LL

AIC

BIC

lnfintech

lnfintech

lnfintech

W2

0.1780***

-0.0266***

(0.0102)

0.0048

(0.0122)

-0.0218

(0.0145)

是

是

是

21201.46

-42366.91

-42241.93

W3

0.1346***

-0.0312***

(0.0098)

0.0270***

(0.0082)

-0.0041

(0.0123)

是

是

是

21266.07

-42496.15

-42371.17

W4

0.6346***

-0.0225**

(0.0107)

-0.1481

(0.7177)

-0.1706

(0.7166)

是

是

是

21142.38

-42248.77

-42123.79

從行政隸屬關(guān)系上分析，屬于同一市的相鄰縣

域之間數(shù)字金融發(fā)展對相鄰縣銀行競爭產(chǎn)生了負向

空間溢出效應(yīng)，間接效應(yīng)與直接效應(yīng)相互抵消使得

總效應(yīng)不顯著。與上文基于空間相鄰矩陣 W1 的結(jié)

果相比，數(shù)字金融對相鄰縣銀行競爭的負向溢出效

應(yīng)明顯減弱，且小于對本縣銀行競爭的促進作用。

原因可能是，為了實現(xiàn)行政區(qū)域內(nèi)各縣域協(xié)調(diào)發(fā)展，

市級政府在制定和實施金融政策時會綜合考慮行政

范圍內(nèi)所有縣域的實際情況，使得屬于同一市的縣

域處于相似的金融環(huán)境，因此縣域政府有了更多合

作機會，減少了對金融資源的爭奪，數(shù)字金融對相鄰

縣銀行競爭的負向溢出效應(yīng)減弱。而在相鄰縣域之

間金融資源流動性較大，數(shù)字金融促進本縣銀行發(fā)

展，吸引鄰縣金融資源流入，對相鄰縣銀行競爭產(chǎn)生

抑制作用。

從空間地理距離角度分析，在直接效應(yīng)中，數(shù)字

金融對本縣銀行競爭的影響沒有發(fā)生變化，在間接

效應(yīng)和總效應(yīng)中，數(shù)字金融發(fā)展對周邊地區(qū)抑制作

用不顯著。這說明雖然數(shù)字技術(shù)具有突破地域限制

的特性，但是數(shù)字金融在縣域地區(qū)發(fā)展較為緩慢，市

場力量較弱，僅對相鄰縣銀行競爭產(chǎn)生影響，隨著空

間地理距離的增加，數(shù)字金融對其他縣域銀行競爭

的影響不顯著。因此，基于以上三個空間權(quán)重矩陣

的回歸結(jié)果來看，現(xiàn)階段數(shù)字金融在縣域地區(qū)的發(fā)

展仍處于初級階段，數(shù)字技術(shù)打破地域限制的特性

沒有得到充分發(fā)揮，只有在行政相鄰的縣域間數(shù)字

金融對銀行競爭會產(chǎn)生空間溢出效應(yīng)，隨著空間地

理距離的增加，上述空間溢出效應(yīng)會減弱；再加上市

級政府的統(tǒng)籌協(xié)調(diào)縮小了縣域金融發(fā)展的差距，數(shù)

字金融對相鄰縣銀行競爭的負向溢出效應(yīng)減弱。假

設(shè)H2得到驗證。

3.縣域政府支持力度對空間溢出效應(yīng)的影響

由以上基于行政隸屬關(guān)系權(quán)重矩陣和空間地理

距離矩陣的結(jié)果可知，市級政府政策會影響數(shù)字金

融對縣域銀行競爭的空間溢出效應(yīng)。因而，本文進

一步考察在縣域政府支持下，數(shù)字金融對縣域銀行

競爭的空間溢出效應(yīng)。本文以1914個縣域2016—

2019年政府財政支持力度指標的均值為界，將樣本

劃分為政府財政支持力度強的縣和政府財政支持力

度弱的縣兩組進行檢驗。結(jié)果如表6所示。

表6 按政府財政支持力度強弱分組的空間溢出效應(yīng)

分解結(jié)果

分組

相鄰縣政府財政支

持力度強

相鄰縣政府財政支

持力度弱

屬于同一市縣政府

財政支持強

屬于同一市縣政府

財政支持力度弱

空間地理距離縣政

府財政支持力度強

空間地理距離縣政

府財政支持力度弱

空間權(quán)重

矩陣

W'

1

W''

1

W'

2

W''

2

W'

4

W''

4

直接效應(yīng)

lnfintech

-0.0806***

(0.0214)

0.0068

(0.0099)

-0.0766***

(0.0216)

-0.0023

(0.0097)

-0.0552***

(0.0230)

0.0041

(0.0105)

間接效應(yīng)

lnfintech

-0.0238

(0.0187)

-0.0048

(0.0116)

-0.0358**

(0.0177)

0.0289***

(0.0101)

-0.3173***

(0.1435)

0.1314

(0.7089)

總效應(yīng)

lnfintech

-0.1044***

(0.0254)

0.0021

(0.0152)

-0.1125***

(0.0244)

0.0267*

(0.1416)

-0.3725***

(0.1363)

0.1356

(0.7076)

首先，對空間相鄰矩陣按政府支持力度強弱分

組（W'

1~W''

1 ）的結(jié)果中，與政府支持力度弱的縣相

比，數(shù)字金融對政府支持力度強的縣域銀行競爭影

響效果明顯增強，而政府支持力度弱的縣直接效應(yīng)

不顯著。這表明如果缺少當?shù)卣拇罅χС?，?shù)

字金融進入縣域金融市場較為困難，數(shù)字金融對本

縣銀行競爭的促進作用需要當?shù)卣С?。兩組間

接效應(yīng)均不顯著，而總效應(yīng)中只有政府支持力度強

的組結(jié)果顯著，并且總效應(yīng)大于直接效應(yīng)，方向均顯

著為正，這說明相鄰縣政府之間呈現(xiàn)合作關(guān)系。

其次，對行政隸屬關(guān)系矩陣按政府支持力度強

弱分組（W'

2~W''

2 ）的結(jié)果中，在縣域政府加強支持力

度時，屬于同一市的縣平均直接效應(yīng)、間接效應(yīng)和總

效應(yīng)均顯著為正。這表明由于市級政府的統(tǒng)籌協(xié)

普惠金融 Financial Inclusion

43

2023年第9期 WUHAN

FINANCE

調(diào)，縣域政府在制定金融政策時偏向于采用合作型

金融政策，并且這種合作關(guān)系不會因為地理上的不

相鄰而削弱[2]

，屬于同一市的縣域政府增強對金融

市場的支持力度，會使數(shù)字金融對縣域內(nèi)和縣域外

的銀行競爭產(chǎn)生正向溢出效應(yīng)。

最后，對空間地理距離矩陣按政府支持力度強

弱分組（W'

4~W''

4 ）的結(jié)果中，政府支持力度強的縣域

數(shù)字金融對銀行競爭的平均直接效應(yīng)、間接效應(yīng)和

總效應(yīng)均為正向。與前文基于空間地理距離矩陣

（W4）的結(jié)果相比，這證明了數(shù)字金融對縣域銀行競

爭的空間溢出效應(yīng)與政府支持力度有關(guān)，地理距離近

的縣域之間以合作性政策為主。假設(shè)H3得到驗證。

（四）穩(wěn)健性檢驗

本文通過更換被解釋變量來檢驗數(shù)字金融對縣

域銀行競爭空間溢出效應(yīng)結(jié)果的穩(wěn)健性。借鑒王雪

等[18]

的做法，使用縣域前兩大銀行的集中度指數(shù)（簡

稱“CR2指數(shù)”）衡量縣域銀行競爭水平。CR2指數(shù)

為縣域內(nèi)前兩大銀行網(wǎng)點數(shù)量之和與所有銀行網(wǎng)點

總數(shù)的比值，取值在0到1之間，數(shù)值越小，則反映銀

行間競爭程度越大。檢驗結(jié)果如表7所示，數(shù)字金

融發(fā)展水平及三個維度對銀行競爭的平均直接效

應(yīng)、間接效應(yīng)和總效應(yīng)與表4的結(jié)果基本一致，結(jié)論

較為穩(wěn)健。

五、研究結(jié)論與建議

本文利用2016—2019年我國1914個縣（市、旗）

的空間面板數(shù)據(jù)，運用地區(qū)和時間雙向固定的空間

杜賓模型，實證檢驗了數(shù)字金融發(fā)展水平及其覆蓋

廣度、使用深度、數(shù)字化程度三個維度對縣域銀行競

爭的空間溢出效應(yīng)，并進一步分析在政府支持下數(shù)

字金融對縣域銀行競爭的空間影響，力圖揭示數(shù)字

金融、政府政策和縣域銀行競爭三者之間的關(guān)系。

主要結(jié)論與建議如下：

第一，數(shù)字金融的發(fā)展通過緩解信息不對稱、技

術(shù)溢出等方式促進了本縣銀行競爭；在間接效應(yīng)中，

數(shù)字金融促進了相鄰縣之間金融資源的流動，但由

于銀行設(shè)立分支機構(gòu)需要一定成本，從而抑制了相

鄰縣之間的銀行競爭。因此，建議鼓勵銀行機構(gòu)與

金融科技公司合作，通過數(shù)字信息、數(shù)字技術(shù)與物理

網(wǎng)點有機結(jié)合，加速數(shù)字金融在縣域的發(fā)展。

第二，數(shù)字金融對縣域銀行競爭的空間溢出效

應(yīng)與行政隸屬關(guān)系和空間地理距離有關(guān)。本文實證

結(jié)果顯示，數(shù)字技術(shù)突破地域限制的特性并沒有得

到充分發(fā)揮，空間溢出效應(yīng)存在于相鄰縣域之間，其

中屬于同一市域的相鄰縣域溢出效應(yīng)強于不相鄰的

縣域。因此，合理規(guī)劃、加快頂層設(shè)計對促進數(shù)字金

融發(fā)展大有益處。建議采用市縣聯(lián)動的方式，構(gòu)建

良好的競爭機制，優(yōu)化金融生態(tài)環(huán)境。

第三，縣域政府適當加強對金融市場的支持力

度，會增強數(shù)字金融對本縣和縣域外銀行競爭的促

進作用，進而表明現(xiàn)階段數(shù)字金融的推廣離不開政

策支持。因此，在縣域金融市場建設(shè)中，應(yīng)堅持“市

場主導、政府引導”的方針，縣域政府間要加強合作，

促進金融資源的跨區(qū)域流動，推動全國統(tǒng)一大市場

的建設(shè)?！?/p>

[參考文獻]

[1] 郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指

數(shù)編制與空間特征[J].經(jīng)濟學（季刊），2020（4）：1401-1418.

[2] 馮林，劉華軍，王家傳.政府干預、政府競爭與縣域金融發(fā)

展：基于山東省90個縣的經(jīng)驗證據(jù)[J].中國農(nóng)村經(jīng)濟，2016

（1）：30-39.

表7 數(shù)字金融對縣域銀行競爭影響的穩(wěn)健性檢驗結(jié)果

變量

直接

效應(yīng)

間接

效應(yīng)

總效

應(yīng)

控制變量

控制時間

控制地區(qū)

N

lnfintech

lncover

lnusage

lndigital

lnfintech

lncover

lnusage

lndigital

lnfintech

lncover

lnusage

lndigital

(1)

-0.0494***

(0.0166)

0.0362*

(0.0219)

-0.0131

(0.0220)

是

是

是

7656

(2)

-0.0508***

(0.0198)

0.0580*

(0.0316)

0.0071

(0.0326)

是

是

是

7656

(3)

-0.0231**

(0.0110)

0.0424***

(0.0125)

0.0194

(0.0119)

是

是

是

7656

(4)

-0.0070*

(0.0037)

-0.0058

(0.0059)

-0.0128**

(0.0060)

是

是

是

7656 （下轉(zhuǎn)第88頁）

44

一、引言

2022年12月14日，中共中央、國務(wù)院印發(fā)《擴大

內(nèi)需戰(zhàn)略規(guī)劃綱要（2022—2035 年）》，強調(diào)了以國

內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進的新發(fā)

展格局。為了全面貫徹落實黨的二十大精神，2023

年中央經(jīng)濟工作會議將“著力擴大國內(nèi)需求”作為重

點工作任務(wù)進行了部署，提出“要把恢復和擴大消費

擺在優(yōu)先位置，增強消費能力，改善消費條件，創(chuàng)新

消費場景”。3月9日全國政協(xié)十四屆第一次會議提

出“堅定實施擴大內(nèi)需戰(zhàn)略，著力恢復和擴大消

費”。就目前而言，消費不僅是刺激經(jīng)濟復蘇、助力

擴大內(nèi)需戰(zhàn)略的有效手段，同時也是經(jīng)濟發(fā)展的最

終需求，是滿足人民對美好生活向往的現(xiàn)實需要。

與此同時，隨著科技和生產(chǎn)力的發(fā)展，以“新投

資、新消費、新模式、新業(yè)態(tài)”為主要特點的數(shù)字經(jīng)濟

已經(jīng)成為推動中國經(jīng)濟社會平穩(wěn)發(fā)展的重要力量。

數(shù)字經(jīng)濟不僅改變了傳統(tǒng)生產(chǎn)服務(wù)模式下的消費環(huán)

境和消費方式，也帶動了消費擴容升級。黨的二十

大報告提出“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟與實

體經(jīng)濟深度融合”。2016年，G20峰會《二十國集團

數(shù)字普惠金融高級原則》倡導利用數(shù)字技術(shù)支持普

惠金融發(fā)展，數(shù)字普惠金融應(yīng)運而生?！皵?shù)字普惠金

融”泛指一切通過使用數(shù)字金融服務(wù)以促進普惠金

融的行動。簡單來說，數(shù)字普惠金融就是在普惠金

融的基礎(chǔ)上，結(jié)合移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、智能

終端等數(shù)字科技手段，通過數(shù)字化技術(shù)推動普惠金

融的發(fā)展。數(shù)字普惠金融擴大了傳統(tǒng)金融的內(nèi)涵，

憑借其能夠降低交易成本、緩解信息不對稱問題等

天然優(yōu)勢，降低了借貸門檻[1]

，緩解了居民的流動性

約束[2]

，帶動居民消費升級。然而，數(shù)字普惠金融在

緩解借貸約束的同時，也會增加家庭借貸總量，導致

家庭負債結(jié)構(gòu)的變動，從而影響居民消費信心。

綜上所述，本文在已有的關(guān)于數(shù)字普惠金融與

居民消費升級關(guān)系的研究基礎(chǔ)上，加入居民杠桿率，

試圖探究在這個影響過程中，居民杠桿率是否起到

了門檻值的作用。通過驗證居民杠桿率在這一過程

中的作用，能更好地幫助居民平衡家庭負債與家庭

摘 要：面對深刻變化的國際環(huán)境，實施擴大內(nèi)需戰(zhàn)略、強化消費的基礎(chǔ)性作用，既是促進經(jīng)濟復蘇的重要手段，也是滿足人民美好

生活的現(xiàn)實需要。本文選取 2013—2019 年中國家庭金融調(diào)查數(shù)據(jù)（CHFS），通過面板門檻效應(yīng)模型，研究在數(shù)字普惠金融作用于居民消

費升級過程中居民杠桿率是否能起到門檻值的作用，以此實現(xiàn)在控制家庭負債風險的同時充分發(fā)揮數(shù)字普惠金融效果。結(jié)果表明，當居

民杠桿率超過某一門檻值時，數(shù)字普惠金融對消費升級的促進作用增強，削弱作用衰減，并且存在區(qū)域異質(zhì)性?；诖?，本文提出推進數(shù)

字普惠金融個性化定制、推進城鎮(zhèn)化建設(shè)、改善基礎(chǔ)設(shè)施建議、縮小收入差距、提升居民借貸信心等建議。

關(guān)鍵詞：數(shù)字普惠金融；消費升級；居民杠桿率；家庭負債風險；面板門檻效應(yīng)模型

中圖分類號：F832.4 文獻標識碼：A 文章編號：1009-3540（2023）09-0045-0008

■ 郭琛 蔡嘉偉 艾馬

作者簡介：郭?。?975—），女，博士，哈爾濱理工大學經(jīng)濟與管理學院教授，碩士生導師； 蔡嘉偉（1997—），女，哈爾濱理工大學經(jīng)濟與管

理學院碩士研究生； 艾馬（1994—），男，哈爾濱理工大學經(jīng)濟與管理學院碩士研究生。

數(shù)字普惠金融

對居民消費升級的影響研究

普惠金融 Financial Inclusion

45

2023年第9期 WUHAN

FINANCE

消費的關(guān)系，為更好發(fā)揮數(shù)字普惠金融作用、釋放國

內(nèi)消費潛能提供可靠依據(jù)。

二、文獻梳理

國內(nèi)外已有不少關(guān)于數(shù)字普惠金融、居民杠桿

率和居民消費升級的研究，本文主要關(guān)注“數(shù)字普惠

金融對居民消費升級的影響”和“居民杠桿率對消費

升級的影響”。具體內(nèi)容如下：

（一）數(shù)字普惠金融對居民消費升級的影響

易行健等[3]

研究發(fā)現(xiàn)數(shù)字普惠金融可以通過緩

解信貸約束、便利居民支付來促進居民消費。Panos

等[4]

認為數(shù)字金融緩解了居民的借貸約束，提升了

支付的便利性，從而使得居民非生存型消費和沖動

消費增多，進而影響居民消費升級。肖遠飛等[5]

比

較了數(shù)字普惠金融對城鄉(xiāng)居民消費升級影響的差

距，發(fā)現(xiàn)數(shù)字普惠金融不僅能提高農(nóng)村居民的消費

總量，還能優(yōu)化農(nóng)村居民的消費結(jié)構(gòu)，但是數(shù)字普惠

金融只能影響城市居民的消費結(jié)構(gòu)。杜家廷等[6]

利

用門檻效應(yīng)模型檢驗出數(shù)字普惠金融對中國農(nóng)村居

民消費結(jié)構(gòu)升級的促進趨勢呈“倒S型”的非線性形

狀。藍天[7]

通過對31個省份的研究，發(fā)現(xiàn)數(shù)字普惠

金融能夠促進居民消費，并且促進作用是非線性的。

安強身等[8]

發(fā)現(xiàn)數(shù)字普惠金融通過提升居民收入和

社會保障水平促進居民消費結(jié)構(gòu)升級。王瑛等[9]

研

究發(fā)現(xiàn)數(shù)字普惠金融可以通過居民消費促進共同富

裕，并且對西部和東北部的促進效果較為明顯。

（二）居民杠桿率對消費升級的影響

學者們關(guān)于居民杠桿率對居民消費的影響方向

也持有不同的意見。Cardaci[10]

根據(jù) 2007—2008 年

美國金融危機的數(shù)據(jù)得出結(jié)論，隨著居民房產(chǎn)貸款

的增加，房產(chǎn)增值帶來的財富效應(yīng)會增加居民消

費。Bechlioulis等[11]

通過消費歐拉方程發(fā)現(xiàn)，負債會

令受到借貸約束的家庭減少對未來消費的偏好。陳

清華等[12]

根據(jù)省級層面數(shù)據(jù)發(fā)現(xiàn)居民杠桿率能促進

消費增長。安玉桃[13]

對城市和農(nóng)村居民的消費進行

對比，發(fā)現(xiàn)居民杠桿率攀升抑制了農(nóng)村居民的消費

升級，但卻促進了城市居民的消費升級。高東勝等[14]

認為居民杠桿率以對未來消費增長的透支為代價，

從而促進當期消費增長。

另外，由于住房負債在家庭負債中占有較大比

例，也有學者針對住房負債進行了研究分析。張雅

淋等[15]

通過對不同類型的債務(wù)比較，發(fā)現(xiàn)住房負債

的增加會抑制消費，影響消費結(jié)構(gòu)升級，而一般債務(wù)

的增加會促進消費、優(yōu)化消費結(jié)構(gòu)。周利等[16]

認為

住房貸款、非住房貸款都會促進居民消費，但長遠來

看，家庭債務(wù)的持續(xù)累積不利于消費的穩(wěn)定增長。

綜上所述，許多學者都對數(shù)字普惠金融對消費

升級的影響以及居民杠桿率和居民消費之間的關(guān)系

做了研究，為本文提供了可靠的理論基礎(chǔ)。但大多

數(shù)學者在研究數(shù)字普惠金融對消費的作用時，沒有

意識到鼓勵居民消費升級時產(chǎn)生的棘輪效應(yīng)、示范

效應(yīng)有可能導致居民過度消費，從而引發(fā)家庭債務(wù)

累積，最終影響家庭未來的消費。因此，本文在分析

數(shù)字普惠金融對居民消費升級的影響時，加入居民

杠桿率進行研究，以探究是否存在一個居民杠桿率

的門檻值，使得居民杠桿率跨過此門檻值后，既能充

分發(fā)揮數(shù)字普惠金融對居民消費升級的促進作用，

提升人民生活幸福感，促進社會經(jīng)濟的發(fā)展，又能防

范家庭破產(chǎn)風險，預防系統(tǒng)性風險，增強居民消費信

心，從而為數(shù)字普惠金融發(fā)展和擴大內(nèi)需戰(zhàn)略提供

合理建議。

三、研究設(shè)計

（一）模型構(gòu)建

1.基本模型設(shè)定

建立數(shù)字普惠金融、居民杠桿率和居民消費升

級三者之間的基本模型：

Rconit = β0 + β1 × Indexit + β2 × Levit +

α × Controlsit + μi + τt + εit

（1）

Constrit = β0 + β1 × Indexit + β2 × Levit +

α × Controlsit + μi + τt + εit

（2）

Consump2it = β0 + β1 × Indexit + β2 × Levit +

α × Controlsit + μi + τt + εit

（3）

其中，i表示家庭，t代表年份，Rcon表示居民消

費規(guī)模，Constr表示居民消費結(jié)構(gòu)，Consump2表示享

受型消費和發(fā)展型消費之和，Index表示數(shù)字普惠金

融發(fā)展水平，Lev表示居民杠桿率，Controls為其他影

響居民消費的所有控制變量，μ為家庭層面的個體

效應(yīng)，τ為年份的時間效應(yīng)，ε為隨機擾動項。

2.門檻模型設(shè)定

由于數(shù)字普惠金融與居民消費升級可能存在非

線性關(guān)系，采用 Hansen的面板門檻效應(yīng)模型進行實

證研究，同時采用居民杠桿率作為門檻值，在模型

（1）和（2）的基礎(chǔ)上引入指示函數(shù)，構(gòu)建單門檻模型：

46

Rconit = β0 + β1 × Indexit(Levit ≤ δ) +

β2 × Indexit(Levit > δ) +

α × Controlsit + μi + τt + εit

（4）

Constrit = β0 + β1 × Indexit(Levit ≤ η) +

β2 × Indexit(Levit > η) +

α × Controlsit + μi + τt + εit

（5）

考慮到可能存在多個門檻值的情況，對模型

（4）、（5）進行拓展：

Rconit = β0 + β1 × Indexit(Levit ≤ δ1) +

β2 × Indexit( δ1 < Levit ≤ δ2) + … +

βn × Indexit(Levit > δn) +

α × Controlsit + μi + τt + εit

（6）

Constrit = β0 + β1 × Indexit(Levit ≤ η1) +

β2 × Indexit(η1 < Levit ≤ η2) + … +

βn × Indexit(Levit > ηn) +

α × Controlsit + μi + τt + εit

（7）

（二）數(shù)據(jù)來源

由于數(shù)據(jù)的可得性和可信度原因，本文使用來

自西南財經(jīng)大學 2013 年、2015 年、2017 年、2019 年

的中國家庭金融調(diào)查數(shù)據(jù)（CHFS）[17]

。該調(diào)查兩年

進行一次，包括全國除港澳臺外的29個省和自治區(qū)

及直轄市。本文還采用了北京大學數(shù)字金融研究中

心發(fā)布的北京大學數(shù)字普惠金融指數(shù)[18]

和國家統(tǒng)計

局發(fā)布的數(shù)據(jù)[19]

，以省為單位，與中國家庭金融調(diào)查

數(shù)據(jù)相匹配。

（三）變量說明

1.被解釋變量

農(nóng)村居民消費升級。本文將農(nóng)村居民消費升級

分成“質(zhì)”和“量”兩個部分來觀察。“質(zhì)”表示居民消

費結(jié)構(gòu)，用家庭發(fā)展型消費和享受型消費之和占家

庭總消費的比值來表示?！傲俊北硎揪用裣M量，用家

庭人均消費來表示。

2.解釋變量

數(shù)字普惠金融發(fā)展水平。用北京大學數(shù)字金融

研究中心發(fā)布的北京大學數(shù)字普惠金融指數(shù)來表示。

3.門檻變量

居民杠桿率。以家庭總負債與家庭總資產(chǎn)的比

值來衡量。

4.控制變量

借鑒甘犁等[17]

的研究，本文選取如下控制變量：

（1）家庭層面，包括少年人口撫養(yǎng)比、老年人口撫養(yǎng)

比、家庭規(guī)模、家庭收入。（2）個人層面，包括戶主的

性別、婚姻狀況、健康狀況、受教育情況、社會保障、

醫(yī)療保障。（3）區(qū)域?qū)用?，包括城?zhèn)化率。

本文的主要變量名稱及定義如表1所示。

表1 主要變量名稱及定義

類型

被解釋

變量

解釋變量

門檻變量

控制變量

變量名稱

消費結(jié)構(gòu)

人均消費

數(shù)字普惠金融

發(fā)展水平

居民杠桿率

少年人口撫養(yǎng)比

老年人口撫養(yǎng)比

家庭規(guī)模

家庭收入

性別

婚姻狀況

健康狀況

受教育情況

社會保障

醫(yī)療保障

城鎮(zhèn)化率

符號

Constr

Rcon

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

定義

家庭發(fā)展型消費和享受型消費之和/家

庭總消費

家庭總消費/家庭總?cè)藬?shù)（萬元）

數(shù)字普惠金融指數(shù)

家庭總負債/家庭總資產(chǎn)

少于16周歲人口數(shù)/家庭規(guī)模

大于60周歲人口數(shù)/家庭規(guī)模

家庭總?cè)丝跀?shù)

工資性收入、農(nóng)業(yè)經(jīng)營收入、工商業(yè)經(jīng)

營收入、轉(zhuǎn)移性收入和投資性收入之和

（萬元）

1=男性，2=女性

1=已婚，0=未婚

1=非常好，2=好，3=一般，4=不好，5=非

常不好

1=無上學經(jīng)歷，2=小學，3=初中，4=高

中，5=中專或職高，6=大專或高職，7=

本科，8=碩士，9=博士

1=有社會養(yǎng)老保險，0=沒有社會養(yǎng)老

保險

1=有醫(yī)療保險，0=沒有醫(yī)療保險

城鎮(zhèn)常住人口/地區(qū)總?cè)丝?/p>

（四）描述性統(tǒng)計

本文對數(shù)據(jù)進行了以下處理：（1）保留了四次都

在調(diào)查樣本中的家庭；（2）刪除存在缺失值的樣本，

構(gòu)建平衡面板數(shù)據(jù)；（3）為了緩解異常值帶來的估計

偏誤，對數(shù)據(jù)進行了1%的縮尾處理；（4）將數(shù)字普惠

金融指數(shù)進行了縮小100倍的處理，并令人均消費、

家庭收入都以“萬元”為單位。最終保留了7720條

樣本數(shù)據(jù)，共1930戶家庭。

具體描述統(tǒng)計結(jié)果如表2所示。

四、實證檢驗及結(jié)果分析

（一）基準回歸分析

在進行基準回歸分析之前，本文先進行多重共

線性檢驗。檢驗結(jié)果顯示，各變量方差膨脹因子

（VIF）的最大值為1.6，平均值為1.16，遠遠小于臨界

值10，說明不存在嚴重的多重共線性問題。

普惠金融 Financial Inclusion

47

2023年第9期 WUHAN

FINANCE

首先，從數(shù)字普惠金融對居民消費升級的影響

機制進行檢驗。表 3（1）和（2）列結(jié)果表明，數(shù)字普

惠金融對人均消費的影響系數(shù)為0.736，通過了1%

的顯著性水平檢驗；數(shù)字普惠金融對消費結(jié)構(gòu)的影

響系數(shù)為-0.070，通過了1%的顯著性水平檢驗。這

說明數(shù)字普惠金融能夠顯著促進消費量的增加，但

對消費升級有削弱作用。

本文關(guān)于數(shù)字普惠金融對消費升級的影響與肖

遠飛等[5]

、安強身等[8]

的研究結(jié)果并不一致。為了進

一步探究數(shù)字普惠金融對消費升級的削弱作用，將

享受型消費和發(fā)展型消費之和作為被解釋變量，數(shù)

字普惠金融作為解釋變量。回歸結(jié)果如表 3（3）列

所示，數(shù)字普惠金融在10%的顯著性水平上對享受

型消費和發(fā)展型消費具有正向影響，說明數(shù)字普惠

金融確實可以使得居民的享受型消費和發(fā)展型消費

總量增加，但是可能由于生存型消費的增長快于享

受型消費和發(fā)展型消費，最終導致消費結(jié)構(gòu)沒有實

現(xiàn)優(yōu)化，反而發(fā)生倒退。

其次，從居民杠桿率對居民消費升級的影響機

制進行檢驗。表 3（1）和（2）列結(jié)果表明，居民杠桿

率對人均消費的影響為-0.012，通過了1%的顯著性

水平檢驗；居民杠桿率對消費結(jié)構(gòu)的影響為0.001，

通過了1%的顯著性水平檢驗。這說明居民杠桿率

使得居民人均消費減少，消費結(jié)構(gòu)優(yōu)化。結(jié)合表3

（3）列的結(jié)果，進一步分析居民杠桿率對居民消費的

影響，可能是由于隨著居民杠桿率的升高，負債壓力

給居民造成一定的悲觀預期，于是在居民杠桿率并

不會增加享受型消費和發(fā)展型消費的前提下，居民

的人均消費和消費總量減少，導致消費結(jié)構(gòu)變動。

從控制變量來看：首先，由于受到傳統(tǒng)文化“尊

老愛幼”的思想影響，老年撫養(yǎng)比能促進居民享受型

和發(fā)展型消費增加，少年撫養(yǎng)比能促進居民消費升

級；家庭收入增加也會直接影響居民增加人均消費

和享受型發(fā)展型消費；健康水平能夠影響居民預期，

從而促進消費結(jié)構(gòu)升級；受教育水平提升使居民不

再局限于生存型需求，對于發(fā)展型消費和享受型消

費的需求增加，也能促進消費結(jié)構(gòu)升級。其次，城鎮(zhèn)

化水平提升會減少居民消費。可能是因為城鎮(zhèn)化發(fā)

展的同時，配套基礎(chǔ)設(shè)施并未跟上，同時受戶籍限

表2 變量的描述性統(tǒng)計

變量

Constr

Rcon

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

觀測值

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

7720

均值

0.470

2.620

3.380

0.440

0.390

0.270

2.950

3.380

1.150

0.930

3.062

3.060

0.830

0.950

0.570

標準差

0.260

4.420

0.680

4.660

0.620

0.510

1.920

9.520

0.360

0.260

1.103

1.430

0.380

0.210

0.100

最大值

1

98.31

4.620

272.1

7

4

19

356.1

2

1

5

8

1

1

0.920

最小值

0

0

2.180

0

0

0

1

-137.3

1

0

1

1

0

0

0.380

表3 數(shù)字普惠金融、居民杠桿率對居民消費升級影響的

回歸結(jié)果

變量

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

年份固定

家庭固定

樣本量

調(diào)整R2

值

(1)

Rcon

0.736***

(0.001)

-0.012***

(0.008)

1.008***

(0.000)

-0.011

(0.950)

-0.228***

(0.000)

0.135***

(0.000)

0.277

(0.179)

0.086

(0.742)

0.057

(0.225)

0.147

(0.111)

-0.073

(0.531)

-0.089

(0.661)

-13.414***

(0.001)

是

是

7720

0.424

(2)

Constr

-0.070***

(0.000)

0.001***

(0.000)

0.030***

(0.000)

0.041***

(0.000)

0.0168***

(0.000)

0.000

(0.762)

-0.008

(0.496)

0.019

(0.272)

0.010***

(0.008)

0.014**

(0.013)

-0.009

(0.370)

-0.020

(0.194)

0.051

(0.820)

是

是

7720

0.071

(3)

Consump2

0.606*

(0.073)

0.006

(0.186)

0.466***

(0.000)

0.329**

(0.034)

0.280***

(0.000)

0.063***

(0.003)

0.297

(0.150)

0.249

(0.387)

0.073

(0.225)

0.263***

(0.001)

0.136

(0.306)

-0.098

(0.713)

-5.343

(0.137)

是

是

7720

0.133

注：*、**、***分別表示在10%、5%、1%的水平上顯著，括號內(nèi)為聚

類穩(wěn)健標準誤。下表同。

48

制，城鎮(zhèn)居民難以享受同等醫(yī)療教育資源，導致消費

意愿不足。最后，家庭規(guī)模會抑制居民消費，但能促

進居民消費結(jié)構(gòu)升級。這可能是因為人口增加導致

人均消費減少，人口結(jié)構(gòu)變動導致消費需求變動，從

而影響消費結(jié)構(gòu)。

（二）門檻模型估計與檢驗

對居民杠桿率的門檻效應(yīng)進行檢驗，表4、表5

為300次Bootstrap自抽樣檢驗結(jié)果。從結(jié)果可以看

出，居民杠桿率作為門檻變量，均為單門檻效應(yīng)顯

著，雙門檻效應(yīng)不顯著，因此本文選取單門檻模型進

行實證分析。

表4 居民杠桿率對于人均消費的門檻效應(yīng)檢驗

單門檻檢驗

雙門檻檢驗

F值

25.460

-2.410

P值

0.000

1.000

表5 居民杠桿率對于消費結(jié)構(gòu)的門檻效應(yīng)檢驗

單門檻檢驗

雙門檻檢驗

F值

16.850

6.910

P值

0.013

0.217

表 6 居民杠桿率的門檻值估計結(jié)果

門檻變量

居民杠桿率

Rcon

0.049***

Constr

0.220*** 0

5

1

0

1

5

2

0

2

5

L

R

統(tǒng)

計

值

0 1 2 3

第一門檻值

0

5

1

0

1

5

2

0

L

R

統(tǒng)

計

值

0 1 2 3

第一門檻值

圖1 對于人均消費的 圖2 對于消費結(jié)構(gòu)的

居民杠桿率門檻值 居民杠桿率門檻值

從表 6、圖 1 中可以看出，在 1%的顯著性水平

上，居民杠桿率對于人均消費的門檻值為4.9%，落

在95%置信區(qū)間水平的置信區(qū)間[0.025，0.053]。從

表6、圖2中可以看出，居民杠桿率對于消費結(jié)構(gòu)的

門檻值為 22.0%，落在 95%的置信區(qū)間水平的置信

區(qū)間[0.195，0.235]。

如表7所示，當居民杠桿率超過門檻值時，數(shù)字

普惠金融對人均消費的促進作用由 0.665 變?yōu)?/p>

0.794，促進作用增強；當居民杠桿率超過門檻值時，

數(shù)字普惠金融對消費結(jié)構(gòu)升級的抑制作用由-0.071

變?yōu)?0.063，抑制作用減弱。并且前面所說的兩種

作用系數(shù)均在1%的水平上顯著，說明當居民杠桿率

突破門檻值時，數(shù)字普惠金融對居民消費升級的正

向作用增加，負向作用減弱。

表7 門檻效應(yīng)模型回歸結(jié)果

變量

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

年份固定

家庭固定

Index（區(qū)間1）

Index（區(qū)間2）

樣本量

調(diào)整R2

值

Rcon

0.979***

(0.000)

0.001

(0.997)

-0.237***

(0.000)

0.135***

(0.000)

0.252

(0.231)

0.111

(0.670)

0.042

(0.376)

0.155*

(0.093)

-0.061

(0.603)

-0.076

(0.709)

-13.963***

(0.000)

是

是

0.665***

(0.003)

0.794***

(0.000)

7720

0.426

Constr

0.029***

(0.000)

0.041***

(0.000)

0.017***

(0.000)

0.000

(0.710)

-0.011

(0.364)

0.019

(0.280)

0.009**

(0.012)

0.0137**

(0.013)

-0.009

(0.392)

-0.021

(0.179)

0.0308

(0.890)

是

是

-0.071***

(0.000)

-0.063***

(0.000)

7720

0.073

（三）穩(wěn)健性檢驗

1.內(nèi)生性檢驗

由于本文選擇了連續(xù)4年追蹤用戶家庭，因此

為了檢驗本文是否存在樣本選擇偏誤、遺漏變量偏

誤、雙向因果關(guān)系等內(nèi)生性問題，參考鄒新月等[20]

、

汪亞楠等[21]

、黃曉莉等[22]

的研究，采用“互聯(lián)網(wǎng)寬帶

接入用戶”“互聯(lián)網(wǎng)寬帶接入端口數(shù)”“移動電話普及

率”和“數(shù)字普惠金融滯后一期”作為數(shù)字普惠金融

的工具變量，采用兩階段最小二乘估計法進行內(nèi)生

性檢驗。

普惠金融 Financial Inclusion

49