企业可以利用金融科技进行资本配置。该文研究了2016年金融科技监管政策对企业金融化的影响以及影响机制和经济后果。结果显示，金融科技监管政策通过减轻预防性和投机性激励，显著减少了中国上市公司的金融资产投资，导致实际资产投资下降、企业短期利润减少，最终降低上市公司市值的经济后果。因此该文的研究不仅丰富了金融科技和企业金融化相关的文献，也为优化金融科技监管提供了政策参考。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。作者 | Weiqing Chen, Futie Song, Zhiqiang Ye, Shunming Zhang, Jiefei Zheng编译 | 吴子怡排版 | 吴子怡I. 引言金融科技以其低交易成本和信息处理优势，以及提供多样化金融产品，在金融市场中发挥着重要作用。非金融企业可以使用金融科技技术或金融科技平台提供的服务，如一站式综合金融服务，最终形成包括企业、行业和金融良性循环的多元化综合协助生态系统，因此可以使用金融科技技术实现投资和融资。中国金融科技的发展规模和速度已经位居世界前列，发展速度最快。然而，金融科技很快引起监管者的关注，因为其无序扩张和恶性竞争的负面影响，带来了金融脱媒和资金流向房地产行业和P2P业务等高风险行业的问题。为此，2016年4月，国务院组织包括中国人民银行、中国银行保险监督管理委员会和中国证券监督管理委员会在内的14个部门，召开互联网金融专项整治会议，并发布了《互联网金融风险专项整治实施方案》。严格金融科技监管的实施提高了金融科技的准入门槛，减少了企业的违规行为，保护了投资者的利益。II. 研究假设随着人工智能、大数据和区块链等新兴信息技术在金融领域的应用，金融科技促进金融生态呈现分布式和网络化结构，突破人力在收集和整理数据方面的缺陷，更好地减少企业和投资者之间的信息不对称，实现企业和投资者的直接连接，减少银行作为金融中介的作用，从而降低交易成本(Thakor, 2020)。企业可以使用货币市场投资业务和P2P业务或众筹作为金融科技平台的主要服务来实现投资(邱等, 2018; 唐, 2019; Galema, 2020)，或直接采用金融科技技术投资金融资产。中国实体经济竞争激烈，因此实体企业的投资回报一直在下降，而金融业和房地产业的年利润率一直在增加(张和郑, 2020)，导致企业投资边界扩大。虽然金融资产具有流动性强、回报率高、回收期短、变现快的特点，但金融资产投资风险很大，需要丰富的投资经验和充足的信息。借助金融科技平台或金融科技技术，企业可以成功克服缺乏投资经验和信息差距(Sutherland, 2018)来投资金融资产。特别是，中国房地产市场的持续繁荣使房地产投资获得丰厚回报，因此考虑到实体企业的投资压力，企业有动力投资房地产市场(Allen等, 2016)。作为高杠杆行业，房地产行业急需资本，因此实体企业和房地产企业在金融科技平台上实现资本交易更方便。因此，金融科技可以帮助实体企业投资房地产和其他金融资产，实现企业金融化。企业在资本配置决策中面临两大类资产的组合选择，即实际资产投资和金融资产投资。托宾(1965)确认实际资产和金融资产可以在组合中相互替代，基于各自的收益率，企业可以决定如何在实际资产投资和金融资产投资之间优化其组合。Demir(2009)提出了资产组合模型，认为企业投资金融资产有两种动机，预防性动机和投机性动机。企业持有更具流动性和更低转换成本的金融资产，以对未来现金流冲击造成的资本短缺风险进行预防性储蓄(Smith和Stulz, 1985)。由于利润驱动动机，当实际资产投资回报下降或金融资产投资回报增加时，即金融资产投资回报与实际资产投资回报之间的差距增加时，企业将更多投资于金融资产，实现金融资产对实际资产的投资替代。金融科技帮助企业克服投资经验不足和信息不足的缺陷来投资金融资产，这也会受到预防性动机和投机性动机的影响。当面临实际资产投资的更大不确定性和金融资产投资相对较高的回报时，企业更显著地受到金融科技对金融资产投资的影响。2016年金融科技监管政策的实施提高了金融科技的进入门槛，规范了金融科技的业务范围，减少了金融科技违规的扩张，保护了投资者的利益(刘等, 2024)。在金融科技监管下，企业通过金融科技平台或自己采用金融科技技术进行企业金融化投资的风险意识增强，导致企业金融化的预防性动机下降；同时，金融科技监管政策减少了房地产企业和其他资本需求方的融资数额，增加了房地产和其他金融资产的风险，导致企业金融化的投机性动机下降。因此，本文提出关于金融科技监管政策对企业金融资产投资影响及影响机制的研究假设：假设H1： 2016年金融科技监管政策显著减少中国上市公司的金融资产投资。假设H2a： 2016年金融科技监管政策通过企业的预防性动机显著减少中国上市公司的金融资产投资。假设H2b： 2016年金融科技监管政策通过企业的投机动机显著减少中国上市公司的金融资产投资。III. 研究设计数据来源我们选择国务院于2016年4月12日发布的《互联网金融风险专项整治实施方案》作为准自然实验，采用DID方法进行研究。因此，本文选择2011年至2020年中国A股上市公司的数据，即事件前后各五年的时间段。在剔除金融行业上市公司、ST公司和财务数据缺失的公司数据后，我们获得了总计25,103个公司年样本数据。上市公司的财务数据来自CSMAR数据库，上市公司年报直接从上海证券交易所和深圳证券交易所网站下载。模型设计为了研究金融科技监管政策对企业金融化的影响，本文使用DID模型进行实证检验，设定如下：这里，因变量Fin，企业的金融资产投资，定义为第t年金融资产减去第t-1年金融资产，除以第t年总资产。注意金融资产是交易性金融资产、衍生金融资产、债务投资、可供出售净金融资产、净长期股权投资和净投资性房地产的总和。自变量是金融科技监管政策的净效应。本文遵循郑和郭(2024)对金融科技词频的定义，他们对金融科技词频进行了全面测试并对金融科技词频研究做出了贡献。这些词频包括39个短语和词汇，如互联网保险、在线保险、互联网贷款、互联网消费金融、众筹、电子银行、在线证券、互联网金融、金融信息服务、互联网理财、网络贷款、网络金融、金融互联网、社会金融、网上银行、在线支付、网络借贷、问题平台、网上支付、互联网金融、手机支付、网上银行、e租宝、资金托管、非法集资、第三方托管、预付卡、校园贷、第三方支付、首付贷、自融、金融科技、互联网支付、数字货币、互联网征信、移动金融、大数据征信、在线支付、保险互联网、移动支付、网上证券经纪、手机支付、助贷、金融技术、网络贷款、支付宝、非银行支付机构、大数据风控、网络金融、手机银行、网上银行、虚拟货币、互联网信托、股权众筹。基于文本分析方法，如果这些词频中的任何一个出现在上市公司2015年年报中，则样本公司被定义为处理组，虚拟变量Treated等于1；否则，样本公司是对照组，虚拟变量Treated等于0。虚拟变量Post在2016年至2020年为1，在2011年至2015年为0。企业层面的控制变量包括企业规模(Size)、杠杆率(Leverage)、总资产回报率(ROA)、托宾Q值(TQ)、经营现金流(CF)、是否亏损(Loss)、研发支出(R&D)、有形资产比例(Tangible)、最大股东持股比例(First)、机构投资者持股比例(InstiShare)、CEO和董事会主席的二元性(Dual)、董事会规模(Boardsize)、独立董事比例(Indirector)、管理层持股比例(ManageShare)。CEO层面的控制变量包括CEO的金融背景(CEOFinBack)和技术背景(CEOFunback)。此外，该模型控制企业和年份固定效应。IV. 实证结果将全样本数据代入回归模型，我们得到了表3第(1)列和第(2)列分别显示的无控制变量和有控制变量的结果。代表金融科技监管政策净效应的Treated*Post系数为负数，通过1%水平的显著性检验，这表明从事金融科技的上市公司在2016年金融科技监管政策实施后，金融资产投资显著减少。Treated*Post系数为-0.0104，表明与没有金融科技业务的上市公司相比，从事金融科技业务的上市公司在金融科技监管政策实施后，金融资产投资占总资产的比例减少了1.04%，即金融资产投资年均减少2035万元人民币。表3第(3)至(7)列是稳健性检验结果。第(3)列重新定义了上市公司金融资产投资的因变量，从金融资产中排除净长期股权投资。根据Demir (2009)，净长期股权投资是可能为生产经营需要而进行的投资，不属于金融资产投资的性质。因此，本文将排除净长期股权投资后的金融资产作为稳健性检验。将这些新金融资产除以总资产，我们得到企业金融资产投资的新衡量指标。实证结果显示，在排除净长期股权投资后，我们仍然可以获得自变量Treated*Post的显著负系数。第(4)列重新定义了虚拟变量Treated，将金融科技频率词的分析范围从原来的2015年上市公司年报扩大到2011-2015年上市公司年报。考虑到上市公司年报中的潜在遗漏问题，本文通过将数据范围扩展到金融科技监管政策实施前的样本期间重新进行文本分析。当在2011年至2015年上市公司年报中采用文本挖掘技术时，一旦出现任何金融科技频率词，则将Treated定义为1，否则为0。重新定义自变量后，Treated*Post的系数仍然显著为负。经济后果的进一步分析在前一节中发现，金融科技监管政策显著减少了中国上市公司的金融资产投资。然而，这一政策是否能够实现实际资产和金融资产之间的替代，以及如何影响企业盈利能力和企业价值，取决于中国上市公司相对于实际资产投资是过度投资还是适度投资金融资产。为了全面评估2016年金融科技监管政策的影响，本文进一步从实物资本支出、盈利能力和企业价值维度研究金融科技监管政策减少上市公司金融资产投资的经济后果。因此，本文提出以下实证模型来检验金融科技监管政策减少上市公司金融资产投资的经济后果：这里，Yi, t衡量实物资本支出(ΔCAPEX)、盈利能力(ROA)和企业价值(TQ)。ΔCAPEX计算为第t年资本支出减去第t-1年资本支出，除以第t年总资产，其中资本支出是指为购建固定资产、无形资产和其他长期资产支付的现金。ROA是净利润除以总资产。TQ等于企业市值除以总资产。其他变量的定义与回归模型(3-1)相同。表8显示了金融科技监管政策减少上市公司金融资产投资的经济后果结果。从表8第(1)列，交互项Fin*Treated*Post的显著正系数确认金融科技监管政策显著减少了上市公司的实际投资，这表明受金融科技监管政策影响的金融投资减少并没有导致实际资产投资的增加，相反，减少了实际资产投资。从表8第(2)列，交互项Fin*Treated*Post的显著正系数证实，在金融科技监管政策实施后，上市公司减少金融资产投资，导致企业短期盈利能力显著下降。从表8第(3)列，交互项Fin*Treated*Post的显著正系数表明，金融科技监管政策在减少金融资产投资时降低了中国上市公司的长期价值。因此，尽管2016年实施的金融科技监管政策减少了企业金融化带来的企业风险，但它没有实现实际资产投资对金融资产投资的替代，而是减少了实际资产投资、短期利润和上市公司的长期价值，因此互补假设H3b有效。在实践中，2016年金融科技监管政策实施后，互联网金融风险显著下降。作为金融科技的典型代表，P2P在2015年达到顶峰，然后中国P2P公司数量在2016年显著下降，并在2020年11月完全消失。此外，最大的金融科技平台余额宝的发展也受到限制，2018年2月11日实施购买限制，2020年11月3日蚂蚁金服暂停上市。公司可以使用金融科技减少信息不对称和技术约束来实现新的投资渠道。然而，在2016年金融科技监管政策实施后，在传统投资渠道狭窄的情况下，激烈的竞争导致不愿意进行产业投资，监管政策减少了上市公司的新投资渠道。因此，金融科技监管政策需要充分利用金融科技的优势并限制其缺点，而不是一刀切。特别是在中国经济转型的当前阶段，传统经济发展动力难以支撑，因此有必要用包括金融科技在内的新动力赋能传统产业，实现金融创新，扩大企业的融资和投资渠道。V. 结论使用中国上市公司数据，本文采用DID方法实证检验了2016年中国金融科技监管政策对企业金融化的影响，发现金融科技监管政策显著减少了中国上市公司的金融资产投资。此外，本文的主要结论在通过重新定义自变量和因变量、进行平行趋势检验、采用PSM-DID方法、考虑其他金融科技监管政策的影响和应用安慰剂检验进行的稳健性检验中保持成立。研究产权性质、公司治理、行业竞争的异质性影响，我们发现非国有上市公司、公司治理薄弱的上市公司和行业竞争度低的上市公司受金融科技监管政策的影响更显著。此外，本文以企业的融资约束和经营风险作为企业金融化预防性动机的衡量指标，以金融资产相对于实际资产的相对回报率作为企业金融化投机性动机的衡量指标。实证结果支持金融科技监管政策通过降低企业金融化的预防性动机和投机性动机的机制，从而减少中国上市公司的金融资产投资。最后，本文实证研究了金融科技监管政策减少企业金融化的经济后果，发现金融科技监管政策无法实现实际资产和金融资产的替代，减少了实物资本投资、企业盈利能力，最终降低了中国上市公司的市值。以下为部分报告截图……获取完整报告请后台回复“金融监管”获取下载链接·END·责编/张谦编译/吴子怡排版/吴子怡【延伸阅读】人工智能与金融监管：推进算法化转型JFE | 过度杠杆化与庇古税：碳定价、金融约束与杠杆监管朱太辉：稳定币的经营模式、发展影响与监管框架FCA | 关于监管加密资产活动的讨论