金融科技、最优银行业市场结构与小微企业信贷供给.pdf

2020 年第 6 期 ( 总第 480 期 ) No. 6， 2020 General No. 480 114 收稿日期 : 2019 08 26 作者简介 : 盛天翔 ( 通讯作者 ) ， 经济学博士 ， 讲师 ， 南京农业大学金融学院 ， E-mail: shengtx njau. edu. cn. 范从来 ， 经济学博士 ， 教授 ， 南京大学长江三角洲经济社会发展研究中心 ， E-mail: fanclnju. edu. cn. * 本文感谢国家自然科学基金青年项目 ( 71803081) 、教育部人文社会科学研究青年基金项目 ( 18YJC790134) 、教育部 “创新团队发展计划 ”滚动支持项目 ( IRT_17R52) 和南京农业大学中央高校基 本科研业务费专项资金 ( SKYZ2018026、KJQN201953) 的资助 。特别感谢中国银行江苏省分行项晞 、华南 师范大学经济管理学院张勇教授 、南京大学经济学院王宇伟副教授 、周耿副教授及匿名审稿专家的宝贵 意见 ， 文责自负 。 金融科技 、 最优银行业市场结构与 小微企业信贷供给 盛天翔 范从来 ( 南京农业大学金融学院 ， 江苏南京 210095; 南京大学长江三角洲经济社会发展研究中心 ， 江苏南京 210093) 摘 要 : 小微企业融资问题一直备受各界关注 ， 金融科技的发展或许会带来新变化 ， 但相关研 究尚不充分 。本文构建包含贷款技术和银行业市场结构的理论模型 ， 提出金融科技 、银行业市场 结构与小微企业信贷供给的关系假说 。在此基础上 ， 手工收集百度搜索指数数据 ， 建立与银行小 微企业信贷业务相关的各省金融科技发展水平指数 ， 并利用 2011 2018 年省级面板数据进行相应 的实证检验 。研究结果表明 : 针对整个银行业体系 ， 金融科技有助于促进银行小微企业信贷供给 ; 银行业市场结构与小微企业信贷供给之间呈现 “倒 U”型关系 ， 即推动银行增加小微企业信贷供给 时 ， 存在最优银行业市场结构 ; 与此同时 ， 金融科技发展水平将影响银行业最优市场结构 ， 金融科 技发展水平越高 ， 促进小微企业信贷供给的最优银行业竞争程度越高 。本文的研究结论能够进一 步丰富小微企业信贷理论 ， 补充中国经验证据 ， 为促进银行小微企业信贷供给提供重要启示 。 关键词 : 金融科技 ; 银行业市场结构 ; 小微企业信贷 ; 信贷环境 JEL 分类号 : G21， G28， L11 文献标识码 : A 文章编号 : 1002 7246( 2020) 06 0114 19 一 、引 言 小微企业在中国经济发展中发挥着重要作用 ， 其融资问题一直是党中央和国务院高 度关心的问题 。从国内外的实践情况来看 ， 商业银行信贷供给是小微企业最主要的外部 融资渠道 。针对如何提高商业银行对小微企业支持力度形成了一系列研究成果 ， 但银行 小微企业信贷供给问题始终未能得到根本性解决 。 2020 年第 6 期 金融科技 、最优银行业市场结构与小微企业信贷供给 115 近几年 ， 金融科技 ( Fintech) 获得各界的高度关注 ， 正在深刻地影响着金融领域 。金 融科技一词最早起源于 20 世纪 90 年代 ， 根据全球金融治理核心机构金融稳定理事会 ( Financial Stability Board， FSB) 的定义 : “金融科技是指由科技引发的金融创新 ， 它能够创 造新的业务模式 、应用 、流程或产品 ， 从而对金融市场 、金融机构或提供金融服务的方式造 成实质性影响 。”金融科技在银行小微企业信贷领域的综合技术运用主要包括互联网信 息技术 、大数据 、区块链和人工智能等技术 。从金融业实践情况看 ， 在驱动商业银行小微 企业信贷供给方面 ， 金融科技被寄予厚望 。但从学术角度出发 ， 以下问题仍有待深入研 究 。金融科技究竟会对银行小微企业信贷供给产生何种作用 ? 特别是其对现有的小微企 业信贷理论影响如何 ? 只有深刻理解金融科技对银行小微企业信贷供给的影响机制和实 际效果 ， 才能更好地保障金融科技服务于银行小微企业信贷业务 。 要分析金融科技对银行小微企业信贷供给的影响 ， 可基于已有小微企业信贷理论的 范式展开 。一是贷款技术 ， 侧重于不同类型贷款技术带来的影响 ; 二是银行业市场结构 ， 侧重于不同竞争环境带来的影响 。金融科技的逐步运用 ， 很可能会对两大研究视角的具 体内容产生重要影响 。一方面 ， 金融科技的发展可能会影响银行信息收集和处理的方式 ， 推动贷款技术的变化 ; 另一方面 ， 中国银行业的市场结构已发生显著变化 ， 银行业竞争环 境的改变可为小微企业信贷供给带来新局面 。与此同时 ， 金融科技的发展是否会影响银 行业市场结构 ， 进而对小微企业信贷供给产生联动作用 ， 也需要进一步研究 。 基于此 ， 本文将贷款技术区分为传统方式贷款和金融科技方式贷款 ， 构建考虑银行业 市场结构的理论模型 ， 分析金融科技 、银行业市场结构和银行小微企业信贷供给的关系 。 在此基础上 ， 手工收集百度搜索指数数据 ， 建立各省金融科技发展水平指数 ， 并利用 2011 2018 年省级面板数据对理论假说进行相应的实证检验 。最终结果表明 : 从整个银行体 系来看 ， 金融科技改变了贷款技术 ， 能够促进银行小微企业信贷供给 ; 无论是否考虑金融 科技 ， 银行业市场结构与小微企业信贷供给之间都呈现 “倒 U”型关系 ， 即存在最优银行 业市场结构 ， 可推动银行小微企业信贷供给最大化 ; 而金融科技发展水平将调节银行业最 优市场结构 ， 金融科技发展水平越高 ， 促进小微企业信贷供给的最优银行业竞争程度越 高 。经过更换计量检验模型 、对核心解释变量使用替代变量以及缓解内生性问题等稳健 性检验以后 ， 上述研究结论依然成立 。 与以往文献相比 ， 本文可能的创新与贡献主要有三个方面 。第一 ， 目前关于金融科技 推动银行小微企业信贷供给的研究主要集中于理论性分析和规范性分析 ， 并且金融科技 的衡量问题也是难点之一 。本文借助百度搜索指数 ， 专门针对银行小微企业信贷业务 ， 建 立与其关联性更强的金融科技发展水平指数 ， 实证检验金融科技对银行小微企业信贷供 给的影响效果 ， 为分析中国的现实情况补充经验证据 。第二 ， 现有研究鲜有将贷款技术和 银行业市场结构两大视角进行融合 ， 也未考虑金融科技推动贷款技术变化造成的影响与 银行业市场结构变动造成的影响之间的关联效应 。本文将金融科技与银行业市场结构相 结合 ， 研究金融科技对最优银行业市场结构的影响 ， 丰富了银行小微企业信贷供给的相关 理论 ， 为金融科技与银行业市场结构的配合提供了理论参考和经验支持 。第三 ， 以往对银 116 总第 480 期 行业市场结构影响的研究 ， 主要使用小微企业个体层面的数据进行检验 。本文借助省级 面板数据 ， 对整个银行业体系的小微企业信贷供给进行分析 ， 与基于微观层面数据的现有 研究形成互补 ， 有助于更细致地分析银行业市场结构的影响 ， 提高决策支持的有效性 。 本文剩余部分安排如下 : 第二节为文献综述 ; 第三节为理论模型与研究假说 ; 第四节 为实证模型 ; 第五节为实证结果分析 ; 第六节为稳健性检验 ; 第七节为研究结论与启示 。 二 、文献综述 ( 一 ) 金融科技对银行小微企业信贷供给的影响 不少学者关注了金融科技 ? 对金融机构小微企业信贷供给的影响 ， 认为其产生了积 极作用 。虽然部分研究并非仅针对商业银行 ， 但也具备较好的借鉴意义 。整体而言 ， 相应 的基础理论主要可以概括为两个方面 。 一是金融科技帮助识别小微企业信贷需求 ， 控制信贷供给过程中的成本 。小微企业 是资金需求的长尾客户群体 ， 信息质量参差不齐 。金融科技通过对各类数据的整合和处 理 ， 有助于获得以前无法描述的细节信息 ， 从而更容易甄别小微企业的信贷需求 ( 王馨 ， 2015) 。与此同时 ， Gomber et al. ( 2018) 强调 ， 金融科技能够通过大数据创造新产品和服 务 ， 降低银行获取客户的成本 。金融科技主要通过外部经济 、规模经济和范围经济作用于 小微企业融资需求市场 ， 提升客户效用 ， 并且降低资金供给者的平均成本 ， 最终促进金融 资源的合理配置 ( 王馨 ， 2015) 。 二是金融科技有助于缓解信息不对称 ， 提高风险管理能力 。从信息获取角度 ， 金融科 技可通过社会网络 、搜索引擎以及云计算等增加更多的信息渠道来源 ， 获取传统方式无法 取得的客户信息 ， 提高信息的准确性 ( 谢平和邹传伟 ， 2012) 。从信息共享角度 ， 金融科技使 信贷市场信息共享范围扩大 ， 丰富的贷款信息集可降低筛选和监控成本 ， 约束借款人的行 为 ， 降低贷款风险 ( Sutherland， 2018) 。从信息处理角度 ， 金融科技有利于贷款机构建立小微 企业信用评估模型 ， 提高处理风险信息的能力 ， 降低风险评估成本 ( Livshits et al. ， 2016) 。 然而随着研究的不断深入 ， 也有部分学者提出其他观点 ， 认为金融科技在影响银行小 微企业信贷供给的具体实施过程中依然面临一些问题 。在信息获取和处理方面 ， Liberti and Petersen( 2018) 指出 ， 数据信息收集过程中还有相当多数据并不暴露 ， 且在将 “软 ”信 息转化为 “硬 ”信息时 ， 会导致部分信息丢失 ; Jaksic and Marinc( 2019) 认为 ， 虽然有大量可 用的 “硬 ”信息 ， 但是其可信度正变得越来越难以核实 ， 可能无法正确捕捉借款人的动机 。 在风险管理能力提升效果方面 ， Di Lorenzo( 2018) 指出 ， 金融科技采用了非传统的信用评 ? 一些学者将金融科技与国内较热门的 “互联网金融 ”概念进行了比较 。李扬等 ( 2017) 指出 ， 在监管 、成本与 技术的共同推动下 ， 金融科技成为互联网金融的高级阶段 ; 黄益平和黄卓 ( 2018) 认为 ， 数字金融 、互联网金融和金融 科技基本相似 ， 只是直观理解上的侧重点不同 。本文认为 ， 从未来发展看 ， 金融科技的概念使用很可能会成为主流 ， 逐 步取代互联网金融 ， 因此本文用 “金融科技 ”统一归纳已有的研究观点 。 2020 年第 6 期 金融科技 、最优银行业市场结构与小微企业信贷供给 117 估方法 ， 对违约风险的影响效果还缺乏足够的证据验证 。 ( 二 ) 银行业市场结构对小微企业信贷供给的影响 关于银行业市场结构与小微企业信贷供给的关系 ， 学者们围绕着银行业竞争问题 ， 形 成不同的观点 。第一类是信息假说 ， 认为信贷市场越垄断 ， 小微企业越容易获得贷款 。当 信贷市场处于垄断状态时 ， 银行发现挖掘小微企业的潜力是有价值的 ， 并且可以通过设计 灵活的贷款条约获取高额利润 ( DellAriccia and Marquez， 2004) 。第二类是市场力量假 说 ， 认为信贷市场的竞争程度越高则小微企业更容易获得贷款 。竞争性压力会促使银行 更加重视贷款项目的选择 ， 对申请者的分析也会更加深入 ， 有助于小微企业获得贷款 ( 边 文龙等 ， 2017; Ryan et al. ， 2014) 。第三类观点认为银行业竞争与小微企业信贷之间呈现 “U 型 ”等非线性关系 ， 其理论基础主要是上述两类观点之间的平衡问题 ( 张晓玫和潘玲 ， 2013; 刘晓光和苟琴 ， 2016) 。 另一些学者在研究银行业市场结构时 ， 主要侧重于不同规模银行带来的影响 。该类 研究一般认为大型银行难以有效甄别小微企业的软信息 ， 而中小型银行在软信息的获取 、 识别和处理方面具备优势 ， 更能缓解小微企业的融资约束 ( 林毅夫和李永军 ， 2001) 。因 此 ， 上述研究认为改善银行业市场结构关键在于发展中小型银行 ， 其理论基础是不同规模 银行擅长的小微企业贷款技术不同 。 ( 三 ) 金融科技影响银行小微企业信贷供给的重要环节 1. 金融科技对贷款技术的影响 金融科技在影响银行小微企业信贷供给时 ， 往往以贷款技术作为推动载体 。一般而 言 ， 商业银行的小微企业贷款技术分为交易型贷款和关系型贷款 ( Berger and Udell， 2006) ， 交易型贷款主要基于企业可定量测量的 “硬 ”信息 ， 关系型贷款主要依据不可定量 测量的有关企业的 “软 ”信息 。一方面 ， 金融科技帮助银行将 “软 ”信息转化为 “硬 ”信息 ， 提高信息传递的便利性 ， 减少人工的数据收集和决策过程 ( Cenni et al. ， 2015) ; 另一方面 ， 金融科技帮助银行更好地获取 “软 ”信息 ( Mocetti et al. ， 2017) ， 一些银行加大金融科技投 资的同时 ， 将更多权力委托给当地分行经理 ， 额外的授权又使当地分行经理增加获取 “软 ”信息的投入力度 ( Liberti， 2018) 。随着金融科技的不断发展 ， 交易型贷款和关系型贷 款从技术上越来越难以划清界限 。交易型贷款可以依赖 “软 ”“硬 ”信息的组合 ， 关系型贷 款也不会排除任何可量化信息的使用 ( Jaksic and Marinc， 2019) 。因此 ， 金融科技的发展 进一步促进了两类贷款技术的融合应用 ， 与传统的两类贷款技术存在明显不同 。 2. 金融科技对银行业市场结构的影响 围绕金融科技与银行业市场结构变化的研究初步形成了一些观点 。部分研究没有直 接针对小微企业信贷 ， 主要认为金融科技可能会提高银行业集中度 。例如 ， Feng and Serletis( 2010) 指出 ， 金融科技的发展将驱动银行业产生规模经济和范围经济 ; Marinc ( 2013) 提出 ， 技术发展可能更有利于交易型银行的发展 ， 从而推动银行业的整合 。部分 针对小微企业信贷的研究则指出 ， 金融科技推动贷款技术发展 ， 可能导致不同规模银行的贷 款技术差异缩小 。贷款技术的发展很可能使得原先从贷款技术角度强调中小银行重要性的 118 总第 480 期 立足点发生变化 ( 李华民和吴非 ， 2015; Filip et al. ， 2017) 。基于该类文献推测 ， 随着金融科 技的发展 ， 或许会有更多大型银行进入小微企业信贷供给市场 ， 从而将改变市场竞争格局 。 综上所述 ， 现有文献围绕金融科技与小微企业信贷供给已经取得不少成果 ， 但依然存 在一些问题值得研究 。一是目前围绕金融科技对银行小微企业信贷供给影响的研究 ， 主 要以理论性分析和规范性分析为主 ， 并且对于金融科技发挥作用的基础也存在争议 ， 因此 金融科技的实际影响效果还有待更多数据验证 。二是现有文献分析银行业市场结构对小 微企业信贷供给的影响时 ， 鲜有将市场竞争问题与贷款技术两大视角融合起来 ， 而随着金 融科技的发展 ， 贷款技术出现了明显变化 ， 两者如何共同产生作用 ， 需要更多理论机制分 析和实证检验 。三是在实证数据运用方面 ， 目前对金融科技的衡量相对宽泛 ， 没有专门针 对小微企业信贷的研究 ， 同时银行业市场结构变化数据的跨度相对不够 。 三 、理论模型与研究假说 基于上一节的文献梳理 ， 结合银行信贷业务实践情况 ， 中国的商业银行为小微企业提 供信贷资金时 ， 主要面临银行业之间的竞争 ， 同时随着金融科技的不断发展 ， 贷款技术发 生改变 ， 银行信贷供给行为可能会发生一定变化 。部分学者曾从理论视角研究过金融业 竞争 、贷款技术运用与银行信贷业务边界的关系 ， 这为本文的研究提供了一些参考 。为深 入研究金融科技 、银行业市场结构对商业银行小微企业信贷供给行为的影响机制 ， 本文借 鉴 Boot and Thakor( 2000) 、黄宪等 ( 2016) 的模型设置思路 ， 构建理论模型 。 ( 一 ) 主体和市场结构环境设定 1. 商业银行主体 假设每家银行可以采用两种贷款技术提供小微企业贷款 ， 一种基于传统方式 ( 包括 传统的交易型贷款和关系型贷款 ， 以下简称 “传统方式贷款 ”) ; 另一种基于金融科技方式 ( 以下简称 “金融科技方式贷款 ”) ， 并假设 为银行的金融科技运用能力 ， ( 0， 1) ， 银 行金融科技运用能力服从标准均匀分布 ， 其概率密度函数为 f( ) 。 2. 小微企业借款者主体 假定借款企业需要一笔 1 元的贷款来为项目进行融资 ， 如果企业通过传统方式贷款 获得资金 ， 则项目报酬 R 为 : R = Y， 0， 1 ， ( 0， 1) ( 1) 其中 ， 表示借款者的信用状况 。假设在传统方式贷款的情况下 ， 小微企业的信用状 况越高 ， 其获取贷款的概率也越高 ， 因此可以直接用 表示获得贷款的概率 。 如果借款者通过金融科技方式贷款 ， 则项目报酬 R 为 : R = Y， + ( 1 ) 0， ( 1 ) ( 1 ) ， ( 0， 1) ( 2) 其中 ， 反映银行采用金融科技方式贷款对借款者获得贷款概率的影响 。对于 2020 年第 6 期 金融科技 、最优银行业市场结构与小微企业信贷供给 119 R = 0， 其概率调整为 ( 1 ) ( 1 ) ; 对于 R = Y ， 其概率调整为 1 ( 1 ) ( 1 ) = + ( 1 ) 。另外 ， 的值与银行金融科技运用能力 相关 ， 进一步假设 = L + ( H L ) ， H L ? ， 即金融科技运用能力越强 ， 对借款者贷款获得概率的提升作用越大 。 3. 银行业市场结构环境 除了金融科技的影响以外 ， 本文还同时考虑银行业市场结构的影响 ， 因此继续引入银 行间的竞争机制 。假设总共有 n 家商业银行 ， 银行间竞争主要从以下两方面展开 : 第一 ， 银行的数量将影响单家银行和借款者发生贷款交易的概率 ; 第二 ， 已经获得一家银行贷款 的借款者 ， 同时还可以从其他银行获得贷款 ， 这将影响单家银行的贷款收益 。 ( 二 ) 商业银行信贷决策分析 1. 假设商业银行没有面临竞争环境 如果借款者获得的是传统方式贷款 ， 必须支付给银行的费用为 TR( ) ( 即银行传统 方式贷款的收益 ? ) ， 那么 ， 获得传统方式贷款的借款者预期收益 RT 为 : RT = Y TR( ) ( 3) 如果借款者获得的是金融科技方式贷款 ， 必须支付给银行的费用为 FR( ， ) ( 即银 行金融科技方式贷款的收益 ) ， 那么 ， 获得金融科技方式贷款的借款者预期收益 FT 为 : FT = Y + ( 1 ) Y FR( ， ) ( 4) 假设借款者知道银行的贷款方式 ， 并且选择相应方式获得贷款 ， 要使借款者在传统方 式贷款和金融科技方式贷款之间的选择无差异 ， 则均衡条件为 RT = FT ， 即 : Y TR( ) = Y + ( 1 ) Y FR( ， ) ( 5) 从而得到银行的传统方式贷款和金融科技方式贷款收益关系 : FR( ， ) = TR( ) + ( 1 ) Y ( 6) 2. 考虑商业银行处于竞争环境的情况 银行业的竞争程度是描述银行业市场结构的一种较为常见的方法 ( 林毅夫和姜烨 ， 2006) ， 因此本文假设银行业的竞争程度为 q ， 以其反映银行业市场结构环境 。设定 q = ( n 1) /( n + m) ， 其中 n 为银行个数 ， m 为大于 1 的正常数 ， 即随着银行个数 n 的增加 ， 竞争程度越激烈 ， 并且 q ( 0， 1) 。 在传统方式贷款的情况下 ， 当银行业竞争程度为 q 时 ， 多家银行可能会提供贷款支 持 。考虑到竞争程度提高时 ， 小微企业最终选择从某一家银行提取全部贷款的概率下降 ， 所以设定单家银行获得贷款收益的概率为 1 q ， 同时相应的收益下降为 ( 1 q) TR( ) 。 单家银行最终从传统方式贷款中获得的收益 TR ( ， q) 为 : ? ? H 代表银行采用金融科技方式贷款时 ， 对借款者获得贷款概率影响的最高值 ; L 代表银行采用金融科技方 式贷款时 ， 对借款者获得贷款概率影响的最低值 。 基于已有研究和银行实践 ， 金融科技很可能驱动银行成本降低 ， 从而提高小微企业贷款获得概率 ， 考虑到模 型的简约性 ， 成本变化带来的影响可以融入公式 ( 2) 的假设 ， 不再单独体现 。因此 ， 传统方式贷款和金融科技方式贷 款的成本设为相同 。为简化处理 ， 假设发放 1 元贷款时 ， 银行的成本为固定值 。由于单位成本为固定值 ， 可以直接将 借款者支付给银行的费用全部作为银行收益 ， 银行成本不予以体现 ， 不影响最终分析结果 。 120 总第 480 期 TR ( ， q) = ( 1 q) TR( ) ， 1 q 0， q ( 7) 即 ， TR ( ， q) = ( 1 q) 2 TR( ) ( 8) 那么 ， 整个银行体系从传统方式贷款中获得的收益 TTR ( ， q) 为 : TTR ( ， q) = n TR ( ， q) = mq + 1 1 q ( 1 q) 2 TR( ) ( 9) 即 ， TTR ( ， q) = mq 2 + ( m 1) q + 1 TR( ) ( 10) 在金融科技方式贷款的情况下 ， 结合中国的现实情景 ， 商业银行的小微企业信贷环境 其实也在不断优化 。中国小微企业金融服务报告 ( 2018) ? 全面梳理了中国小微企业金 融服务相关情况 ， 除政策直接支持以外 ， 该报告专门强调社会信用体系 、营商环境 、银行业 金融机构服务能力以及小微企业自身素质等信贷环境的重要作用 ， 要坚持市场化和商业 可持续原则 ， 而这些都是金融科技发挥作用的重要基础 。因此引入银行业竞争后 ， 虽然商 业银行从金融科技方式贷款中获得的收益也会下降 ， 但由于金融科技方式能够帮助商业 银行提高信贷需求甄别能力和风险管理能力 ( 王馨 ， 2015; Gomber et al. ， 2018) ， 所以贷款 收益受到的影响会小于传统方式贷款 。结合 = L + ( H L ) ， 重写公式 ( 6) ， 得到 : FR( ， ) = TR( ) + L ( 1 ) Y + ( H L ) ( 1 ) Y ( 11) 在竞争环境下 ， 如果借款者找到第二家银行能够提供贷款 ， 而第一家银行金融科技运 用能力为 0 ， 则在竞争程度为 q 时 ， 第一家银行贷款收益 FR( ， ) 中 TR( ) + L ( 1 ) Y 的部分由于竞争而损失 ， 但第一家银行仍可保留的收益为 : 0 0 0 ( H L )( 1 ) Yf( ) d 0 0 ( H L )( 1 ) Yf( ) d = 2 0 ( H L )( 1 ) Y/2 ( 12) 所以 ， 在银行业竞争环境下 ， 单家银行提供金融科技方式贷款获得的收益 FR( ， ， q) 为 : FR( ， ， q) = ( 1 q) FR( ， ) ， 1 q 2 ( H L ) ( 1 ) Y/2， q ( 13) 其中 ， 对于 ( 1 q) 概率部分 ， 整个银行体系收益为 n ( 1 q) FR( ， ) = ( mq + 1) FR( ， ) ; 而对于 q 概率部分 ， 将每家银行的保留收益加总 ， 得到整个银行体系的保留 收益为 ? : 0 0 0 ( H L ) ( 1 ) Yf( ) d = 2 0 ( H L ) ( 1 ) Y。 ? ? 该报告由中国人民银行 、中国银行保险监督管理委员会编写 ， 中国金融出版社 2019 年 6 月出版 。 考虑如果有 n 家银行 ， 第 1 家银行的金融科技运用能力为 0 ， 第 2 家为 1 ， ， 第 n 1 家为 n2 ， 假设 0 1 n2 ， 则整个银行体系的保留收益为 : n3 i =0 ( i 0 i ( H L ) ( 1 ) Yf( ) d i+1 0 i+1 ( H L ) ( 1 ) Yf( ) d) + ( n2 0 n2 ( H L ) ( 1 ) Yf( ) d n2 0 ( H L ) ( 1 ) Yf( ) d) + n2 0 ( H L ) ( 1 ) Yf( ) d = 0 0 0 ( H L ) ( 1 ) Yf( ) d 2020 年第 6 期 金融科技 、最优银行业市场结构与小微企业信贷供给 121 因此 ， 最终整个银行体系从金融科技方式贷款中获得的收益 TFR( ， ， q) 为 : TFR( ， ， q) = ( 1 q) ( mq + 1) FR( ， ) + q 2 ( H L ) ( 1 ) Y ( 14) 即 ， TFR( ， ， q) =mFR( ， ) q 2 +( m 1) FR( ， ) + 2 ( H L )( 1 ) Y q +FR( ， ) ( 15) 或者将公式 ( 11) 代入公式 ( 14) ， 结合公式 ( 10) ， 整理为 : TFR( ， ， q) = TTR( ， q) + mq 2 + ( m 1) q + 1 L ( 1 ) Y + mq 2 + ( m + 1) q + 1 ( H L ) ( 1 ) Y ( 16) ( 三 ) 模型推导结论与研究假说 小微企业的信贷可得性问题对理论研究和商业银行实践都是关键 。为重点研究信贷 供给数量问题 ， 本文进行简化处理 ， 假设上述模型中的小微企业借款者贷款利率为固定 值 。由于 “贷款收益 = 贷款利率 贷款数量 ”， 则可将银行贷款收益 TTR( ， q) 和 TFR( ， ， q) 的变动等同于银行信贷供给数量的变动 ， 以便于进行后续分析 。 1. 金融科技与银行小微企业信贷供给 根据公式 ( 16) ， TFR( ， ， q) 相较于 TTR( ， q) 的增加值为 : mq 2 + ( m 1) q + 1 L ( 1 ) Y + mq 2 + ( m + 1) q + 1 ( H L ) ( 1 ) Y。可以发现 ， 由于 ( 0， 1) ， 银行的金融科技运用能力 越高时 ， 该增加值越高 。 因此 ， 本文提出 : 假说 1: 从整个银行体系来看 ， 金融科技能够促进银行小微企业信贷供给 。 2. 银行业市场结构与小微企业信贷供给 本文借助银行业市场竞争程度 q ， 分析银行业市场结构对整个银行体系小微企业信 贷供给的影响情况 。根据公式 ( 10) 和公式 ( 15) ， 可以发现无论是采用传统方式贷款还是 金融科技方式贷款 ， 银行业市场结构与小微企业信贷供给 TTR( ， q) 、TFR( ， ， q) 之 间都为 “倒 U”型关系 。因此 ， 本文提出 : 假说 2: 从整个银行体系来看 ， 银行业市场结构与小微企业信贷供给之间呈现 “倒 U” 型关系 ， 即存在最优银行业市场结构 ， 可推动银行小微企业信贷供给最大化 。 3. 金融科技对最优银行业市场结构的影响 根据公式 ( 10) ， 在使用传统方式贷款的情况下 ， 银行业市场最优结构为 q = m 1 2m ， 此时整个银行体系的 TTR( ， q) 最高 ; 根据公式 ( 15) ， 在使用金融科技方式贷款的情况 下 ， 银行业市场最优结构为 q = m 1 2m + 2 ( H L ) ( 1 ) Y 2mFR( ， ) ， 此时整个银行体系的 TFR( ， ， q) 最高 。 由于 d 2 ( H L )( 1 ) Y 2mFR( ， ) /d = ( H L )( 1 ) Y 2TR( ) +2 L ( 1 ) Y + 2 ( H L )( 1 ) Y 2m FR( ， ) 2 0， 可以发现 ， 在使用金融科技方式贷款的情况下 ， 银行的金融科技运用能力 越高时 ， q 的最优值越大 。因此 ， 本文提出 : 122 总第 480 期 假说 3: 从整个银行体系来看 ， 银行业市场结构影响小微企业信贷供给的过程中 ， 金 融科技发展水平将调节银行业最优市场结构 ， 即金融科技发展水平越高 ， 最优银行业竞争 程度越高 。 图 1 金融科技 、银行业市场结构与小微企业信贷供给关系 注 : 该图仅作为示意图 ， 不与精确的函数值相对应 。 为更加直观地展现理论模型结论 ， 本文将假说 1、2 和 3 的含义统一以图 1 表示 ? ， 实 线表示传统方式贷款 ， 虚线表示金融科技方式贷款 。无论采用何种贷款技术 ， 银行业市场 结构与小微企业信贷供给之间都呈现 “倒 U 型 ”关系 ; 随着金融科技的发展 ， 金融科技方 式贷款的小微企业供给曲线出现整体上移 ， 同时 ， 最优银行业市场结构也发生移动 ， 最优 银行业竞争程度提高 。 四 、实证模型设计 ( 一 ) 计量模型设定 由于理论分析是针对整个银行体系 ， 因此可以采用省级面板数据进行相应检验 。基 于上一节的理论模型推导 ， 为实证分析金融科技 、银行业市场结构和商业银行小微企业信 贷供给的关系 ， 检验假说 1、2 和 3， 本文构建的基本计量模型如下 : SMEP it = 0 + 1 FINTECH it1 + 2 FINTECH it1 CRL it1 + 3 CRL it1 + 4 CRL it1 CRL it1 + c CON it1 + it ( 17) 其中 ， i 代表省份 ， t 代表年份 ， 为模型待估计参数 。SMEP 表示小微企业信贷供给 情况 ， FINTECH 表示金融科技发展水平 ， CRL 表示银行业市场结构 ， CON 为控制变量 ， it 为随机误差项 。从商业银行的信贷业务实践来看 ， 小微企业信贷供给受到其他因素影响 ? 感谢中国银行江苏省分行项晞对本图的建设性意见 。 2020 年第 6 期 金融科技 、最优银行业市场结构与小微企业信贷供给 123 时 ， 往往具有一定的滞后性 ， 因此核心解释变量与其他控制变量均使用一阶滞后项 。 ( 二 ) 变量选择 1. 被解释变量 本文的被解释变量为各省小微企业信贷供给情况 ( SMEP) ， 用每个省份小微企业贷 款余额在其总贷款余额中的占比表示 。 2. 核心解释变量 目前对中国金融科技发展水平的衡量 ， 主要采用了两类方法 : 一类是依据沈悦和郭品 ( 2015) 的方式 ， 采用 “文本挖掘法 ”， 通过统计与金融科技相关的关键词在新闻中的发布 次数 ， 合成构建金融科技指数 ， 但这类方法主要用于分析全国层面的金融科技发展情况 ， 无法将指数分解到每个省份 。另一类是郭峰等 ( 2019) 编制的北京大学数字普惠金融指 数 ， 该指数运用了蚂蚁金融服务集团的微观数据 ， 从互联网金融服务的覆盖广度 、使用深 度和数字化程度三个维度进行测度 ， 一些学者 ( 邱晗等 ， 2018) 以该指数来衡量金融科技 发展水平 ， 该指数能够跨省级 、城市和县域 。 本文在衡量各省金融科技发展水平 ( FINTECH) 时采用两种方式 。一是直接使用郭 峰等 ( 2019) 编制的北京大学数字普惠金融指数 ( INDEX) ， 用来表示金融科技情况 ， 但由 于该指数并不是专门围绕小微企业信贷相关的金融科技而编制 ， 可能存在一定的局限性 。 二是借鉴沈悦和郭品 ( 2015) 的设计思路 ， 直接构建每个省份的金融科技发展水平指数 ( SmeFINTECH) 。但与之不同的是 ， 本文借助金融科技相关关键词的百度搜索指数 ? ， 而 非关键词在新闻中的发布次数 。主要理由如下 : 第一 ， 金融科技相关的关键词搜索指数能 够一定程度上反映金融科技的发展情况 。Eysenbach( 2009) 、Ripberger( 2011) 指出 ， 人们 在网络上搜索的数据是基于需求的数据 ， 可以用于进行现状追踪和趋势预测 ; 刘涛雄和徐 晓飞 ( 2015) 认为互联网搜索行为是网络大数据中比较有代表性的信息 ， 能够帮助进行宏 观经济预测 。第二 ， 与关键词在新闻中的发布次数不同 ， 关键词的百度搜索指数能够统计 到各省份和年份层面 ， 从而满足本研究对省级面板数据的要求 。 本文手工整理了 2011 2017 年金融科技相关关键词在各个省份的百度搜索指数 ， 并 汇总成金融科技指数 。具体步骤如下 。首先 ， 基于商业银行小微企业信贷业务实践 ， 参考 一些学者 ( 沈悦和郭品 ， 2015; Jagtiani and Lemieux， 2017) 的研究成果 ， 同时结合百度搜索 指数的数据可得性 ? ， 确定专门针对银行小微企业信贷业务 ， 与金融科技相关的主要关键 词 。基本技术角度包括 “大数据 、云计算 、人工智能 、区块链 、生物识别 ”; 资金支付角度包 括 “在线支付 、移动支付 、第三方支付 ”; 金融科技中介服务模式角度包括 “网贷 、网上融 资 、网络融资 、网络小额贷款 、网络贷款 、网银 、网络银行 、电子银行 、在线银行 、开放银行 、 互联网银行 、直销银行 ”; 金融科技的直接称呼角度包括 “互联网金融 、金融科技 ”。其次 ， ? ? 根据百度指数网站的介绍 ， “根据数据来源的不同 ， 百度搜索指数分为 PC 搜索指数和移动搜索指数 。”本文 采用的是 “PC + 移动 ”搜索指数 。 可能还存在其他一些与金融科技相关的关键词 ， 但百度搜索指数并未收录 ， 因此无法纳入统计 。 124 总第 480 期 将上述各关键词的百度搜索指数 ? 全部采集后 ， 按照技术角度 、资金支付角度 、中介服务 模式角度和直接称呼角度进行汇总 ， 并采用熵值法 ? 确定权重 ， 将多个指数合成为综合指 数 。最后 ， 以熵值法合成的指数除以各省常住人口数 ， 以此衡量各省小微企业信贷相关的 金融科技发展水平 。 在银行业市场结构方面 ， 根据产业组织理论 ， 银行业集中度是衡量银行业市场结构的 常用指标 ， 可用于反映整个银行体系的市场结构和竞争度 ( 林毅夫和姜烨 ， 2006) 。因此 ， 结合数据可获得性 ， 本文参考林毅夫和姜烨 ( 2006) 的做法 ， 对银行业市场结构 ( CRL) ， 以 四大国有银行在各省的贷款余额占该省总贷款余额的比例来表示 ， 该值越小意味着银行 业竞争度越高 。 3. 其他控制变量 参考已有研究对控制变量的设置 ， 结合宏观变量之间的相关性以尽量减少多重共线 性问题 ， 本文选择以下控制变量 : 各省城镇化率 ( CITY) ， 主要控制经济发展过程中的结构 性变化对小微企业发展及其贷款的影响 ; 各省不良贷款率 ( NPL) ， 主要控制外部风险环境 对小微企业贷款的影响 ; 各省金融业发展 ( FGDP) ， 主要控制金融机构的整体经营发展情 况对小微企业贷款的影响 ; 各省信贷环境 ( MARKET) ， 主要控制小微企业面临的各类营商 环境对小微企业贷款的影响 。所有变量的定义和说明汇总如表 1 所示 。 表 1 变量定义和说明 变量名称 变量符号 变量说明 银行小微企业信贷供给 SMEP 该省小微企业贷款余额 /总贷款余额 金融科技发展水平 ( FINTECH) SmeFINTECH INDEX 本文构建的该省金融科技发展水平指数 该省的北京大学数字普惠金融指数 银行业市场结构 CRL 该省四大国有银行贷款余额 /总贷款余额 城镇化率 CITY 该省城镇人口占比 不良贷款率 NPL 该省银行不良贷款率 金融业发展 FGDP 该省金融业增加值在 GDP 中占比 信贷环境 MARKET 以王小鲁等 ( 2019) 编制的分省份市场化指数衡量 ? ( 三 ) 样本来源 本文以中国大陆的 31 个省市自治区 ( 文中简称为 “省 ”) 为研究对象 ， 总样本区间为 ? ? ? 百度搜索指数对单个关键词的数据检索存在波动性