1、第 3 期(总第 353 期)2023 年 3 月工业技术经济Journal of Industrial Technological EconomicsNo.3(General，No.353)Mar.2023数字金融对企业价值的影响 基于影子银行的调节效应刘军航刘书畅(合肥工业大学管理学院，合肥230009)摘要随着数字经济的发展，数字金融利用区块链、云计算等先进技术为企业的经营发展提供了新的应用环境，这对于促进实体企业增值提供了重要契机。本文以 20172021 年沪深 A 股上市企业为研究样本，基于影子银行视角，构建固定效应模型和调节效应模型，实证检验数字金融发展对企业价值提升的促进效应，
2、并研究影子银行在两者之间所产生的调节作用。研究发现:数字金融的发展显著提升了企业价值，且其促进作用存在区域异质性，在内陆地区更为明显;影子银行产生负向调节作用，抑制了数字金融对企业价值的提升。关键词数字金融企业价值影子银行调节效应实体经济金融创新DOI:103969/jissn1004910X202303010中图分类号F275;F832文献标识码A收稿日期:20221231作者简介:刘军航，合肥工业大学管理学院副教授，博士。研究方向:绩效评价与公司金融。刘书畅，合肥工业大学管理学院硕士研究生。研究方向:绩效评价。引言2008 年的金融危机事件深刻揭示了实体经济才能推动国家富强的道理，企业不能
3、走“脱实向虚”的错误路线。第十九次全国代表大会和第二十次全国代表大会报告中均强调应坚持把发展经济的着力点放在实体经济上。在新兴技术快速发展的数字化时代，传统金融要达到更好服务于实体经济的目标，为更多实体企业提供低门槛、高质量的服务，就应当把握数字技术带来的机遇，将新兴技术与传统业务高度融合，切实提升金融服务实体经济的效能。2016 年 G20 数字普惠金融高级原则的制定和 2019 年央行 金融科技发展规划(20192021年)的发布都反映了我国对数字金融的高度重视。数字金融是大数据时代金融创新的产物，也是近几年的研究热点，众多学者都相继开展关于数字金融的研究，并取得了一定成果。而目前大多数研
4、究主要集中在数字金融对宏观层面的国民经济、地区创新和资源配置等研究，从微观企业视角出发的定量研究还比较少。微观层面的企业价值是企业尤为关注和侧重的，企业的经营活动和未来发展本质上都需要以企业价值的提升作为保障。并且，影子银行作为近年来较多企业广泛开展的金融活动，各学者对其评价褒贬不一，在数字金融不断发展的背景下，有必要对影子银行在企业价值提升过程中产生的结果进行量化系统分析。基于以上背景，本文选取 20172021 年非金融类 A 股上市公司，实证研究了数字金融对企业价值的影响以及影子银行化在其中产生的调节作用，研究结果表明数字金融能显著提高企业价值，而影子银行会抑制数字金融对企业价值的提升作
5、用。并进一步探究了在产权性质和区域位置的异质性情况下两者之间的关系。本文将数字金融置于企业层面，提供了一种会引起企业价值变动的宏观因素，丰富了数字金融的微观定量研究;并通过辨析与实证得出了影子银行所产生的抑制效用，为助力企业在数字化改革浪潮中如何高质量发展实体经济而避免“脱实向虚”提供了思路。1理论分析与研究假设1.1数字金融与企业价值作为数字化改革的新兴产物，数字金融源于传统金融又对其进行了颠覆，使企业能够便捷迅速地获得更加优质的金融服务。在宏观层面，数字金融可以通过缩小城乡收入差距1、提高区域创新29第 3 期(总第 353 期)2023 年 3 月工业技术经济Journal of Ind
6、ustrial Technological EconomicsNo.3(General，No.353)Mar.2023能力2、促进产业转型3 和推动产业结构升级4 的方式来促进实体经济增长;也可以提升金融市场的资金供给规模与效率5。此外，国外学者 Choi和 Yi(2009)6 以及国内学者谢绚丽等(2018)7 认为数字金融能够减少经济市场中的信息不对称和交易成本，为信贷渠道不通畅的企业提升价值。以上研究成果表明:数字金融已经成为提升金融服务实体经济效率的重要把手。在微观层面，已有研究表明:数字金融提高了企业的现金持有水平，使企业的非效率投资比例降低8;还可以提供给企业调整和优化债务结构的契
7、机，有效降低杠杆，提升投资效率9，从而促进企业价值的增长。此外，数字金融能够有效降低信息获取成本，使金融服务过程更加透明化，优化企业所披露的信息质量，对于企业价值的良性增长有所帮助10，并且这种价值增长作用具有长期性11。因此，基于上述分析，本文提出假设 1:H1:数字金融的发展可以促进企业价值的提升。1.2影子银行的调节作用2008 年爆发次贷危机后，我国所实施的经济刺激政策在助力经济恢复的同时，也使得经济环境表现出更多的不稳定性，影子银行开始迅速发展12，而目前各研究关于影子银行对实体经济和企业的影响看法不一。有研究表明，影子银行信息透明度低，其业务本身就蕴藏着巨大风险13，不利于实体经济
8、的可持续发展14。而另有研究表明，影子银行是“体制外创新”的重要表现15，它能够促进金融创新、缓解融资约束，从而对企业价值提升起到积极效用。因此，影子银行对企业价值的影响可能存在两种不同的结果。企业开展影子银行业务很可能不利于自身价值的提升。方先明等(2017)16 认为影子银行会对金融稳定产生威胁，导致宏观经济波动。此外，非金融企业出于套利动机将实业资金转用于影子银行业务，对主业投资产生“挤出”效应17。一旦经济周期下行或企业经营出现问题，影子银行会导致未来现金流出现缺口，极大影响企业长期价值18。另外，影子银行可能对企业增值有正向作用。已有研究表明，影子银行可以使企业的融资环境得到优化19
9、，并且我国的影子银行具有金融创新的本质内核和提供直接融资、服务实体经济的功能20。此外，开展影子银行业务可以使非金融企业的收益来源更加广泛，从而有利于开发企业盈利潜能，使企业有更多资金投向实业，提升未来业绩21。根据以上分析，本文提出竞争性假设:H2a:影子银行具有负向调节作用，会抑制数字金融对企业价值的提升效应。H2b:影子银行具有正向调节作用，能促进数字金融对企业价值的提升效应。2研究设计2.1样本及数据来源2017 年是我国数字金融发展踏入新时代的元年。经过 2016 年国家对数字金融的有关整顿，2017 年各项监管政策已经相继落地。本文以 20172021 年沪深 A 股上市公司为研究
10、对象，并对数据进行如下处理:(1)剔除金融类、PT、ST 或*ST的企业;(2)剔除财务数据缺失的企业。筛选后最终得到 4580 个样本观测值，其中数字金融指数来源于北京大学数字金融研究中心编制的 北京大学数字普惠金融指数，其余相关财务数据来源于 CSMA 数据库。为避免极端值影响，本文对连续型随机变量执行上下 1%的 Winsorize 处理，相关数据均在 Stata 软件中进行统计分析。2.2主要变量的定义解释变量:数字金融(DF)。选取北京大学数字金融研究中心与蚂蚁金服联合编制的中国数字普惠金融发展指数来衡量，该指数涵盖数字金融的覆盖广度(Coverage)、使用深度(Usage)以及数
11、字化程度(Digitization)3 个一级维度指标。本文将省级层面的数字普惠金融指数经过对数化处理后的数据作为数字金融的代理变量。被解释变量:企业价值(TQ)。目前的研究多采用托宾 Q 值和净资产收益率等指标来衡量企业价值。本文主要参考李小玲等(2020)11 的做法，选取托宾 Q 值对企业价值进行测度。调节变量:影子银行(Shadow)。非金融企业开展影子银行业务活动的规模计算主要参考李建军和韩珣(2019)22 的做法，采用委托贷款、委托理财和民间借贷三者之和与总资产的比值衡量。“其他流动资产”、“1 年内到期的非流动资产”以及“其他非流动资产”作为委托贷款金额，采用Jiang 等(2
12、010)23 的做法，将“其他应收款”作39第 3 期(总第 353 期)2023 年 3 月工业技术经济Journal of Industrial Technological EconomicsNo.3(General，No.353)Mar.2023为民间借贷的代理变量。相关数据源于 CSMA数据库。控制变量:参考已有文献，本文选取以下指标作为控制变量:企业规模(Size)、资产负债率(Lev)、企业成长性(Grouth)、独立董事比例(In-dep)、股权集中度(Top1)、企业年龄(Age)，以公司成立年数加 1 后取对数反映、企业性质(Soe)、两职合一(Dual)等。同时本文还控制了
13、行业固定效应和年份固定效应。相关变量说明见表 1。表 1变量说明变量类型变量名称变量符号变量说明被解释变量企业价值TQ公司市场价值/公司期末总资产解释变量数字金融DF北京大学数字普惠金融总指数调节变量影子银行Shadow(委托贷款+委托理财+民间借贷)/总资产控制变量企业规模Size期末总资产的自然对数资产负债率Lev期末总负债与期末总资产的比值企业成长性Grouth营业收入增长率独立董事比例Indep独立董事数量与董事规模之比股权集中度Top1第一大股东持有的上市公司股份的比例企业年龄Age公司成立年数加 1 后的自然对数企业性质SOE国有企业取 1，否则取 0两职合一Dual董事长兼任总经
14、理取 1，否则取 02.3模型构建本文主要研究数字金融对企业价值的影响，为了检验两者之间的关系，本文设定以下基准回归模型:TQit=1+1DFit+0Controlsit+Year+Industry+it(1)此外，为了验证假设 H2，在模型(1)的基础上引入数字金融与影子银行的交互项(DFitShadowit)构建模型(2)，用于检验影子银行在数字金融和企业价值关系中的调节作用:TQit=2+1DFit+2Shadowit+3DFitShadowit+0Controlsit+Year+Industry+it(2)其中，Controls 代表各控制变量;1、2表示截距项，表示待估参数项，代表误
15、差扰动项，i 代表企业，t 表示年份。3实证分析3.1描述性统计由表 2 所示，数字金融指数均值为 5.87，最大值为 6.129，表明从整体来看，我国的数字金融发展水平较高，但不同企业所在区域的数字金融发展仍有一定差距。影子银行最大值为 3.563，最小值为 0.005，标准差为 0.496，说明样本企业普遍涉及影子银行业务，但规模差异较大。从企业价值的代理指标托宾 Q 值来看，最小值为 0.84，最大值为 8.136，标准差为 1.234，说明企业的价值分布离散程度较高。表 2描述性统计变量样本量均值标准差最小值最大值TQ45801.9931.2340.8408.136DF45805.87
16、0.1385.5556.129Shadow45800.3490.4960.0053.563Size458022.341.30120.1726.66Lev45800.3670.1770.0670.833Growth45800.1620.2810.4811.380Indep45800.3780.0530.3330.571Top145800.3390.1510.0830.737Age45802.9770.2892.1973.555SOE45800.2380.42601Dual45800.3520.478013.2相关性分析对各变量进行的 Pearson 检验如表3 所示，企49第 3 期(总第 353 期)2023 年 3 月工业技术经济Journal of Industrial Technological EconomicsNo.3(General，No.353)Mar.2023业价值与数字金融的相关系数为 0.114，达到了1%的显著水平，这表明在未控制其他变量时，数字金融的发展可以促进企业价值的增长，初步验证了假设 H1。VIF 的平均值和最大值均远小于 10，不存在严重的多重共线性问
