目 录Contents

专家视点 · Expert View

03 我国银行支持科创企业发展的现状、问题和建议

张雪春 苏乃芳

人民币国际化 · RMB Internationalization

09 境内外人民币外汇市场的多阶矩风险溢出效应研究

杨玲玲 汤磊

绿色经济 · Green Economy

20 绿色金融、资金配置与城市绿色创新

黄纪强 郑铿城

投资证券保险 · Investment Stock & Insurance

28 中小股东“股利关注”与上市公司现金股利分配

——来自交易所互动平台的证据

白俊 李婷玉 杨茜雅

全国中文核心期刊 湖北省优秀期刊

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

2023 9

总 第 285 期

本刊从未委托任何单位或个人征集

稿件，刊发文章不收取任何费用。

本刊与中国知网、万方数据、维普数

据等网站有合作，作者投稿一经本刊

采用，如无特别声明，均视为同意接

受以上网站的数字传播与发行。

本刊版权属《武汉金融》杂志社所有，

其他媒体转载本刊文章，须注明“摘

自《武汉金融》”字样，否则即侵权。

本刊谢绝一稿多投；文责自负。

■

■

■

■

本刊声明

主 编 曾 涛

副 主 编 胡 德

执行副主编 陈 波

主 任 高文丽

值 班 主 任 熊 源

广告部主任 吴俊伟

法 律 顾 问 瞿森垓

技 术 编 辑 邓雅娜 胡松林 蒿倩文

普惠金融 · Financial Inclusion

38 数字金融对县域银行竞争的影响

——基于空间溢出效应视角

郭娜 曹琳琳 马亚楠

45 数字普惠金融对居民消费升级的影响研究

郭琛 蔡嘉伟 艾马

经济纵横 · Economic Review

53 数字化转型与企业异地并购

——基于融资约束和信息不对称的视角

于明涛 刚浩

62 管理层短视、数字化转型与企业透明度

邢洋 马千惠 肖有智

70 董事会特征对环境信息披露的影响

邵鹏 易薇

企业金融化 · Enterprise Financialization

78 企业金融化对创新活动的影响：作用机理与实证分析

李健 刘容秀

主管单位：中国人民银行武汉分行

主办单位：中国金融学会

《武汉金融》杂志社

出版单位：《武汉金融》编辑部

发行单位：武汉长融传媒有限责任公司

国际标准刊号：ISSN1009-3540

国内统一刊号：CN42-1593/F

封面题字：中国书法家协会钟鸣天理事

印刷单位：武汉新鸿业印务有限公司

广告许可证号：4201004001161

每册定价：23.00元

编辑部电话：（027）87327462

发行部电话：（027）87327153

广告部电话：（027）87327290

本刊地址：武汉市武昌中南路69号

邮 编：430071

投稿平台：http：//yhqy.cbpt.cnki.net

本刊编委会（以姓氏笔画为序）

顾 问 王 信

主 任 林建华

编 委

邓 红 毛卫东 王广幼 王恭敬

厉文世 叶圣利 叶未明 白 凯

白俊伟 冯 春 江文波 刘方明

刘元瑞 刘 波 刘秉文 刘学生

闵乙铎 张小春 张文涛 张雪松

李少民 李 民 李 征 杨 建

杨宝宏 吴少新 余明桂 陈志猛

陈建新 陈婉青 宋清华 周永华

周诚君 单增建 赵 军 俞 群

徐长生 陶建全 黄 宪 黄 鹤

曾 亮 谭梦湘 魏 超

一、引言

加强科创企业的金融支持对于推动经济高质量

发展具有重要作用。党的二十大报告指出，要“完善

科技创新体系，坚持创新在我国现代化建设全局中

的核心地位”。科创企业作为科技创新的主力，对于

推动我国成为创新型国家发挥着重要的作用。科技

创新离不开金融体系的支持，构建促进科创企业发

展的金融支持体系，对于推动企业科技创新，提高国

家核心竞争力，推动经济高质量发展至关重要。我

国银行贷款在社会融资中占据主导地位。与风险投

资、资本市场相比，我国银行体系具有更雄厚的资金

实力、更广泛的客户群体、更专业的管理团队，是我

国科创金融中最重要的组成部分。

从 1985 年中国人民银行发文鼓励商业银行开

展科技信贷业务开始，四十多年来我国银行的科技

信贷经历了从地方性探索到全国推广、从政策主导

到市场化发展、从单一模式到多种类型的银行科技

服务模式等多个发展阶段。目前，我国银行贷款约

占高新技术企业融资总额的60%[1]

。案例分析表明，

尽管我国银行在科技信贷产品、服务和机制等多个

方面不断升级，但仍存在不足，主要体现为银行的低

风险偏好与科创企业的高风险特征之间失衡导致的

银行“不敢贷、不能贷、不愿贷”，短期贷款占比高、缺

乏中长期资金支持导致结构性失衡，以及中介机构、

担保增信、信用评估体系不完善等问题。这些都限

制了科技信贷的进一步发展。

本文在对国际经验进行系统梳理的基础上，梳

理了我国科技信贷发展的历程和现状，分析了我国

科技信贷的发展特点和存在的问题，为进一步完善

我国科技信贷体系，加强对科创企业的金融支持提

出政策建议。

二、美国硅谷银行经验

美国硅谷银行（SiliconValleyBank，SVB）成立于

1983 年，创立初衷是服务初创的高科技企业，为其

摘 要：银行是我国科创金融体系中最重要的部分，完善科技信贷对于支持科创企业发展具有重要作用。从国际经验看，美国硅谷

银行以其专业化、多样化和系统性的服务模式，曾为美国高科技企业提供了重要的资金支持，在很大程度上推动了美国的科技创新。我

国银行的科技信贷经历了从地方性探索到全国推广、从政策主导到市场化发展、从单一模式到多种创新模式的发展历程，银行贷款约占

高新技术企业融资的 60%。尽管我国银行科技信贷在产品、服务和机制等多个方面加强创新，并探索出多种服务模式，但仍存在不足之

处，主要体现为银行的低风险偏好与科创企业的高风险特征之间失衡导致的银行“不敢贷、不能贷、不愿贷”，银行短期贷款占比高、缺乏

中长期资金支持导致结构性失衡，以及中介机构、担保增信、信用评估体系不完善等问题。未来，应进一步建立适应科技创新行业融资的

体制机制、推进信息服务平台等金融中介建设、完善科创企业的风险补偿机制，加强对科创企业的金融支持。

关键词：科创金融；科技信贷；科技银行；科创企业；金融支持

中图分类号：F832.46 文献标识码：A 文章编号：1009-3540（2023）09-0003-0006

■ 张雪春 苏乃芳

作者简介：张雪春（1969—），女，博士，供职于中国人民银行研究局； 苏乃芳（1985—），女，博士，供职于中国人民银行金融研究所。本文

仅为作者个人观点，不代表所在单位意见。

我国银行支持科创企业发展的

现状、问题和建议

专家视点 Expert View

03

2023年第9期 WUHAN

FINANCE

提供银行贷款等金融服务。1992年，硅谷银行创新

性地提出：“硅谷银行就是为硅谷而服务的银行”，并

明确了硅谷银行的服务对象为科技企业。这一创新

型经营战略把硅谷银行的市场目标定位于新设立

的、发展迅速但是风险很大的中小企业。由此，硅谷

银行提高了对科技与生命科学等高新技术产业的投

入。硅谷银行2022年年报显示，硅谷银行总资产为

2118亿美元，是美国第十六大商业银行。硅谷银行

在很大程度上支持了美国高科技企业的发展，其主

要特点包括以下三个方面：

第一，聚焦科技创新细分领域，提供专业化服

务。硅谷银行明确其服务对象为软件及硬件、生命

科学和医疗等几大产业，并专门成立由资深业界专

家组成的风控及评估团队，解决了传统银行专业人

员不足、甄别企业发展潜力和有效控制风险难度大

的问题，降低了银行与企业之间的信息不对称，提高

了自身的议价能力和风险控制能力。通过专业化管

理，硅谷银行极大地提高了在部分细分领域的覆盖

率。2022年，风投基金支持的科技和医疗创业公司

IPO中，44%是硅谷银行的客户。

第二，与风险投资机构合作，创新投贷联动等多

样化商业模式。硅谷银行选择全美排名前500的风

险投资机构进行深度合作。例如，硅谷银行创新性

地开发了名为“快速启动”（Quick Start Package）的信

贷产品，即任何项目只要获得了排名前25位的风险

投资的资金投入，并附带一定的认股权证，都可以在

硅谷银行申请到贷款，期限为18个月，额度为45万

美元，利率在基准利率基础上上浮两个百分点。这

种“一刀切”（one-size-fits-allfinancing）的金融服务

以简单、快捷的流程迅速打开市场。同时，硅谷银行

还成为风险投资机构的开户行并提供多种商业银行

服务，或直接投资于这些风险投资机构成为其合伙

人，或作为风险投资机构的GP或者LP参与投资。

第三，为企业提供多元化系统性服务，延伸服务

链条。在向创业企业提供贷款或其他服务后，硅谷

银行仍与风投机构持续关注企业的盈利能力及经营

状况，并提供管理培训、业务培训、资金支持等多元

化服务，帮助改善创业企业经营状况。由于初创科

技型企业大多具有轻资产、重科技的特点，硅谷银行

接受科技创新企业的专利技术抵押，一旦企业经营

状况恶化、违约风险增加，硅谷银行可通过打包出售

质押的专利技术来获得一定补偿，减少坏账损失。

然而，2023 年 3 月 10 日，硅谷银行宣布破产倒

闭，其主要原因在于客户结构单一。2022 年，硅谷

银行存款中约80%来自创投机构和科创企业，贷款

中约80%投向创投机构和科创企业，资产和负债结

构都较为脆弱[2]

。在美联储持续加息的影响下，创

投机构和科创企业盈利下降，风险迅速向硅谷银行

传染，导致其破产。硅谷银行虽然破产，但其服务科

创企业的成功经验值得借鉴。尽管短期来看科创行

业遭遇寒冬，但长期看科创行业仍有较高的增长前

景，因此硅谷银行的科创领域客户群体具有重要的

价值。2023年3月27日，第一公民银行宣布收购硅

谷银行，这有利于第一公民银行借助硅谷银行在科

创领域的优势，逐步渗透到创投和科创领域。

三、我国科技信贷的基本情况

（一）我国科技信贷发展历程

我国科技信贷经历了从政策主导到市场化的发

展历程。1985年，中国人民银行发文鼓励商业银行

开展科技信贷业务，自此我国商业银行等金融机构

开始不断探索和完善金融支持科技企业发展的路

径，推动科技产业与金融发展相融合。2006 年，国

务院发布《实施〈国家中长期科学和技术发展规划纲

要（2006—2020年）〉的若干配套政策》，明确提出了

支持科技自主创新的七条金融政策。2019年，原中

国银保监会和科技部联合发布《关于进一步加大对

科技型中小企业信贷支持的指导意见》，从宏观层面

引领了科技金融工作的开展。在此基础上，我国商

业银行结合我国市场特点积极探索支持科创企业发

展的可行模式，并在组织架构创新上进行了有益尝

试[3]

。通过历史梳理发现，我国科技信贷的发展分

为以下几个阶段：

一是萌芽阶段（1980—1984 年），地方性探索。

1980年7月，浙江省科委通过中国人民建设银行浙

江省分行向科研单位发放有偿科研经费，首次将银

行机制引入科研经费配置过程中。1983—1984年，湖

南、青海、西安、大连等省市进行了科技贷款的探索。

二是初步发展阶段（1984—1989年），中国工商

银行在全国开展科技贷款。1984 年 8 月 30 日发布

了《中国工商银行关于科研开发和新产品试制开发

贷款的暂行规定》，明确工商银行在全国范围内开展

科技贷款。1985年10月7日发布了《中国人民银行、

国务院科技领导小组办公室关于积极开展科技信贷

04

的联合通知》，规定“各专业银行和其他金融机构，要

在其核定的信贷计划总量范围内，调剂一部分贷款，

积极支持科技事业的发展”。这标志着科技贷款有

了国家层面的政策支持。

三是高速发展阶段（1990—1997年），信贷风险

提高。中国人民银行从1990年开始在国家信贷综合

计划中增设科技开发贷款项目，各银行科技贷款的

规模大幅增加。1996 年工商银行共发放科技贷款

85亿元，较1990年增长2.10倍。在贷款规模高速增

长的同时，科技贷款的风险也不断增加。例如，1994

年6月末，湖南省科技开发贷款中逾期贷款、呆滞贷

款、呆账贷款占比分别为19.14%、7.76%和1.91%。

四是调整阶段（1998—2005年），市场化程度提

高。随着1998年人民银行贷款规模管理的取消以

及国有商业银行改革的加快推进，前一阶段积累的

科技贷款风险得以化解，银行不断探索科技贷款机

制、内涵和供给主体的创新。在机制方面，银行不断

加强风险约束机制，科技部门对科技贷款的影响大

幅削弱。在内涵方面，银行从关注国有科技企业或

科研院所转向更多关注科技型中小企业。在供给主

体方面，商业银行对科技贷款的支持力度减弱，政策

性银行（主要是国家开发银行）对科技贷款支持力度

增强。

五是再发展阶段（2006—2016年），探索多种服

务模式。2005年末和2006年初先后发布的《国家中

长期科学和技术发展规划纲要（2006—2020年）》和

《国务院关于实施〈国家中长期科学和技术发展规划

纲要（2006—2020 年）〉若干配套政策的通知》开启

了科技贷款的再发展阶段，以国家开发银行为代表

的开发性金融迅速发展，科技支行模式在全国开始

探索，科技小额贷款公司不断涌现。

六是创新阶段（2016 年至今），提升服务、机制

和产品创新。2016年8月，国务院正式印发《“十三

五”国家科技创新规划》，明确提出加强对创新创业

的金融支持。全国各地纷纷加大信贷支持创新力

度，优化科技企业融资环境。一是健全科技金融专

营服务体系。各地通过设立科技银行分支行，配备

科技金融专业人员等方式增强科技金融服务专属

性。二是创新科技金融产品。各银行针对科技型企

业轻资产、高发展、重创新的特点，加强金融产品创

新。银行信用贷款和知识产权质押贷款比重不断加

大，股权质押、保单、仓单和订单等金融创新产品不

断涌现。三是探索投贷联动模式。2016年4月，原

中国银监会、科技部、中国人民银行联合发布《关于

支持银行业金融机构加大创新力度开展科创企业投

贷联动试点的指导意见》（以下简称《指导意见》），启

动银行业投贷联动试点工作。推动试点银行加快完

善投贷联动组织架构设置、业务管理与机制建设，积

极支持科创企业发展。

（二）各地积极探索多种发展模式

经过对安徽、上海、陕西和北京等多地的调研发

现，各地基于自身特点，探索了多种科技信贷模式。

工商银行：科技金融创新服务中心模式。2021

年9月，工商银行与科技部火炬中心联合在10家国

家高新区内建设科技金融创新服务中心，例如在合

肥高新技术产业开发区开设合肥科技支行、在中关

村科技园区开设北京中关村支行等。针对国家高新

区创新发展的特点，工商银行为高新区提供差异化

服务产品和配套资源。同时，工商银行还积极推动

各分支行加强与国家高新区的合作，完善产业链供

应链金融服务，不断探索投贷联动业务模式，形成综

合金融服务方案。此外，工商银行还创设“企业创新

积分制”等工具，帮助准确评价企业的创新能力，对

筛选出来的创新能力强、成长潜力大的初创企业，提

供定制化金融产品和多元化增值服务，并推出“创新

积分贷”等专属信贷产品，满足科创企业融资需求。

汉口银行：投贷联动模式。汉口银行于2016年

4 月正式开展投贷联动业务。截至 2022 年 6 月末，

汉口银行服务科技企业超过4000家，其服务特点包

括四个方面。一是“债权+股权”相结合。汉口银行

重点服务发展初期、成长潜力较突出的科技企业，采

取“债权+股权”的综合服务模式。二是全生命周期

的差异化综合服务。汉口银行针对不同客户特点，

通过开展先投后贷、先贷后投、投贷结合、选择权贷

款、顾问咨询等业务，提升服务企业的效率。三是合

作开展产品创新。汉口银行与政府、担保机构合作

推出风险分担产品“科担贷”，与武汉市科技局、保险

公司合作推出保证保险类产品“科保贷”，与券商合

作推出信用类产品“三板通”“科创上市贷”，并积极

为轻资产的中早期科创企业提供法人保证、关联公

司保证、知识产权质押、股权质押等准信用担保的信

贷产品。

杭州银行：科技支行模式。针对长三角地区科

创企业蓬勃发展的特点，2009年杭州银行成立了科

专家视点 Expert View

05

2023年第9期 WUHAN

FINANCE

技支行，积极推动科创金融组织创新和产品创新。

一方面，杭州银行明确“4+4+N”，即北京、上海、深

圳、杭州四大中心，南京、合肥、宁波、嘉兴四个区域

专营机构，以及N个特色团队的组织架构，设立了科

创专业营销机构和专业管理与服务支撑部门。另一

方面，杭州银行建立科创企业成长性评价模型、持续

开发优化科技金融专项产品，结合发明专利、版权质

押等国家政策导向，探索专属化产品，重点为生物医

药、医疗器械、芯片设计等行业进行融资，更好地满

足科技文创企业不同时期发展特点和核心需求。

浦发硅谷银行：科创金融生态系统模式。浦发

硅谷银行参考硅谷银行的模式为中国高科技企业提

供金融服务，主要有以下特点：一是聚焦专业细分赛

道的目标客户群。浦发硅谷银行的客户群主要是高

科技企业及风投机构投资的企业，包括医疗健康、企

业服务、半导体集成电路技术、人工智能与大数据、

金融科技、智能制造、新消费和产业互联网等八大行

业，通过挖掘及积累相应人脉，深度聚焦产业发展。

二是打造科创金融生态系统。浦发硅谷银行与超过

100 家头部投资机构建立了深度合作关系，并与科

技园、孵化器、政府机构和银行等多部门开展了全方

位的多渠道合作，逐渐建立起一个跨区域、跨行业的

科创金融生态系统。三是实行高标准的贷前和贷后

管理。浦发硅谷银行通过在贷前科学评估计算授信

额度，并结合科创企业所处发展阶段及目前获得的

融资情况等，综合各方数据得出授信额度。此外，浦

发硅谷银行通过监测企业资金流动、跟踪企业发展

状况等，及时了解企业经营情况及盈利能力。

（三）银行是我国科创企业外源融资的主要提供者

我国企业融资方式总体来说可以分为内源融资

和外源融资。外源融资包括银行贷款、非标融资、债

券融资、股权融资等[4]

。总体来看，银行贷款占企业

外源融资的60%左右。通过观察社会融资规模分析

企业的融资结构，2022年末我国社会融资规模存量

为344.21万亿元，其中银行贷款、非标融资、债券融

资以及股权融资占比分别为62％、23％、9％和6％。

基于战略性新兴产业的上市企业财务分析显

示，除股权融资和内源融资外，银行贷款在这类企业

融资中占比为 36.6%。基于上市企业的财务报表，

通过行业分类匹配得到5189个上市企业中共3511

家属于战略性新兴产业①。本文借鉴已有研究[5，6]

的

变量选取方式，将融资分解为股权融资、内源融资、

银行贷款和债券融资②，从微观层面来分析企业融资

情况。从2022年的年报数据看，股权融资占比最高

为 49.07%。内源融资为 22.94%，银行贷款占比为

10.23%，其他融资占比 17.76%。在其他融资中，应

付票据占比3.6%，应付债券占比1.09%，应付账款占

比 9.56%。除股权融资和内源融资外，银行贷款在

企业融资中占比为36.6%，债券融资占比为3.9%，票

据融资占比为12.9%，应付账款占比为34.2%。银行

贷款是企业融资的主要渠道。从九大领域看，新能

源产业、节能环保产业、新材料产业、新能源汽车产

业等传统行业的银行贷款占比相对较高，超过

10%。相关服务业、高端装备制造产业、数字创意产

业、新一代信息技术产业等新兴产业由于抵押物较

少银行贷款占比相对较低。

对中关村 27000 余家高新技术企业的调研发

现，银行贷款约占企业各类融资的60%，科创企业的

首选融资渠道仍是银行贷款。2021年，中关村高新

技术企业各项融资中，银行贷款占比达56.5%，较各

类直接融资占比总和高 13 个百分点。对近 200 家

“专精特新”企业的融资调查显示，九成以上企业将

银行贷款作为首选融资渠道。基于企业家的调查也

显示，中国高新技术产业的资金来源银行约占60%，

表1 战略性新兴产业上市企业的融资结构

指标

新一代信息技术产业

高端装备制造产业

新材料产业

生物产业

新能源汽车产业

新能源产业

节能环保产业

数字创意产业

相关服务业

平均

除股权融资和内源融

资外占比

内源

融资

15.28

24.16

35.87

28.19

30.14

23.88

24.25

-15.06

18.94

22.94

-

股权

融资

57.84

43.22

40.65

50.75

40.89

31.46

40.76

81.70

46.14

49.07

-

银行

贷款

8.63

8.22

12.85

9.28

10.22

16.36

15.14

8.58

4.47

10.23

36.56

其他

融资

18.25

24.40

10.63

11.78

18.75

28.30

19.86

24.79

30.45

17.76

63.44

其中：

应付

票据

3.20

4.28

4.47

1.42

5.43

7.19

4.00

1.60

0.17

3.60

12.88

应付

债券

0.93

0.80

1.45

1.10

0.99

0.91

1.82

0.65

0.96

1.09

3.91

应付

账款

9.64

11.80

7.89

6.05

12.71

11.27

10.64

10.61

5.24

9.56

34.16

注：参考已有研究[5，6]

，内源融资=（盈余公积+未分配利润+累计

折旧）/总资产，股权融资=（资本公积+股本）/总资产，银行贷款=

（长期借款+短期借款）/总资产，其他融资=100%-内源融资-股

权融资-银行贷款，其中应付票据=应付票据/总资产，应付债券=

应付债券/总资产，应付账款=应付账款/总资产。

数据来源：作者测算。

06

企业对银行的依赖程度较高[1]

。

四、我国科技信贷存在的问题

经过对安徽、陕西、上海和北京等多地的银行和

科创企业访谈，发现我国科技信贷主要存在三个方

面的问题：

（一）风险收益不匹配导致银行“不敢贷、不能

贷、不愿贷”

银行和企业信息不对称导致银行“不敢贷”。一

方面，科创企业风险高。科技型企业成长过程具有

高度的不确定性和风险性，企业失败率较高。科创

企业往往知识密集、行业差异大、运营相对复杂，普

遍存在轻资产、高成长性、信息透明度低等特征，难

以获得传统金融支持。具体表现在：科创企业产品

需求和竞争力存在不确定性，科创企业战略水平、经

营能力、管理规范参差不齐，受政策支持力度影响较

大。另一方面，银行风险偏好低。银行秉持的低风

险偏好和科技型企业的高风险特点之间仍存在结构

性矛盾，而两者之间的信息不对称更加剧了这种矛

盾。特别是初创期科技型企业财务制度不健全，银

行无法有效掌握企业财务、资信等情况，无法判断企

业的真实经营情况，导致传统银行运作机制不具有

对科技型企业的融资动力与功能。由于银行对科创

企业各行业门类技术难以在短时间内深入掌握，其

进行行业研究分析有一定的专业壁垒，影响投资审

批效率和质量。信息不对称不利于风险管理及评

估，也不利于企业创新和产品推广。

银行风险收益不匹配导致银行“不能贷”。一方

面，银行风险收益不匹配。目前银行支持科创企业

的风险补偿机制不健全，风险收益不匹配，投贷联动

不足，资金难以有效整合。银行对新创的、不确定性

强的企业或项目持谨慎态度，更愿意将资金投向成

熟型企业或项目。另一方面，创新型金融产品匮

乏。银行产品创新能力不足，无法满足高科技企业

多样化的需求。传统银行对高科技企业主要拥有的

知识产权、专利权等无形资产缺乏重视，不利于高科

技企业贷款。

“尽职免责”机制难以有效发挥作用，导致银行

“不愿贷”。目前各银行均已建立尽职免责制度，但

实际执行时，免责认定程序复杂，且缺乏有效地对授

信工作尽职过程的评价机制，往往是以结果追诉，导

致“问责难免”，降低了银行信贷人员对科创型小微

企业授信业务的积极性。

（二）科技信贷存在结构性失衡，金融中介体系

不健全

一是科技信贷存在结构性失衡。一方面，科技

型企业中试孵化阶段获取资金较难。调研发现，实

验研究阶段资金需求较小，内源性融资足以进行支

持。规模化生产阶段风险较低，企业利润不断增加，

也较为容易获得银行贷款。但中试孵化阶段受技术

效果不确定和市场定位尚需观察等因素制约，风险

较大，银行等传统机构为保证资金安全，参与意愿较

低，导致该阶段资金获取比较困难。另一方面，短期

贷款占比高，缺乏中长期资金支持。现阶段，银行对

科技型企业提供的贷款以短期、流动性贷款为主，中

长期贷款总体比重有限，难以满足科技型企业的融

资需求。贷款期限与研发周期不匹配，“科技研发

贷”等信贷产品供给不足。

二是缺乏金融中介机构。在传统的人工服务环

境下，企业、政府、投资平台与银行之间缺乏可直接

对接的有效平台载体。基于互联网大数据等技术手

段的筛选服务仍比较初步，优质企业项目、相关支持

政策等信息内容难以及时有效传递。而且，银行主

要依赖第三方机构对知识产权进行价值评估，但市

场上缺乏权威评估机构，不同评估机构对于同一知

识产权评估价值差异较大，且缺乏有效的信息中

介。目前企业信用信息分散在工商、税务、财政以及

人民银行等多部门，各类信用数据缺乏有效的共享

机制，银行难以对小微型科创企业做出客观的信用

评价。

（三）知识产权担保、融资增信和信用评估仍不

完善

知识产权担保融资仍存在制约。尽管银行根据

高新技术企业特点开发一些信贷产品，但很多仍处

于试点阶段，契合度不高。大多数高新技术企业在

注册资本金中有一部分是无形资产。尽管对于高新

技术企业来说，无形资产是相当宝贵的财富，但银行

为了最大限度规避风险，一般要求贷款必须有房产

等抵押物作为担保。而高新技术企业尤其是中小型

科创企业的资金主要用于科学技术研究和产品开

发，往往满足不了担保要求。当然，由于知识产权具

有特殊的专业性和复杂性，各国商业银行对知识产

权融资均采取了谨慎的态度。而且高新技术企业的

主要资产是核心专利技术，有形资产少，因此在银行

专家视点 Expert View

07

2023年第9期 WUHAN

FINANCE

贷款中存在审批流程慢、授信额度低、贷款期限短等

问题。由于知识产权定价复杂、贷款审批成本高、违

约清算难以变现等原因，目前银行的知识产权担保

贷款仍存在一定的制约。

融资增信体系有待完善。目前，在科技创业创

新领域，政府部门已推出了担保和风险补偿措施，但

总体看使用条件较为严格，撬动作用尚需提高。如

一些地方虽然建立了科技贷款风险补偿基金，但同

时又规定了银行获得风险补偿额的上限，这在一定

程度上限制了银行加大信贷投放的积极性。同时，

担保公司不能从根本上解决企业无抵押物的问题。

担保公司为规避风险往往会选择优质客户，并要求

企业提供反担保。当前，担保公司向科创企业收取

的费用已有所下降，但仍存在反担保条件严格、代偿

率较低、担保资金没有及时补充等问题，科创企业普

遍具有的专利等知识产权担保增信效果尚未显现。

信用评估体系不健全。首先，当前信用评估系

统中只存有发生过贷款行为的企业的信用评估，对

于从未贷过款的优质高新技术企业却没有进入信用

评估系统。其次，信用评估系统过多地注重企业法

人情况，评估时过多地依赖企业的财务报表而忽略

了法人代表及高级管理人员的信用、整个团队的管

理经营能力、产品占有市场的潜力。再次，担保公司

为企业担保，需要企业请担保公司认可的外部信用

评级机构进行评估。当企业获得担保后去银行进行

贷款时，银行仍要对企业再进行一次内部信用评

级。多次评级会导致企业融资成本加大。

五、政策建议

银行贷款是我国科创企业融资的主要渠道，对

科创企业的发展起到了重要作用。未来，应从机制

设计、配套制度、风险补偿等多个方面完善银行对科

创企业的支持。

一是建立适应科技创新行业融资的体制机制。

进一步引导银行加强体制机制创新，鼓励其建立符

合科技创新行业特点的信贷管理模式，提高金融服

务质量和效率，发挥带动引领作用。鼓励银行加强

与政府部门、科研院校的合作，建立科技专家评审队

伍，降低信息不对称。引导银行建立科技金融风险

管理模型，完善科技金融风险内控机制，落实尽职免

责机制，适当提高风险容忍度。鼓励银行深耕科技

创新各子领域，根据科创企业发展阶段的不同需求，

设计相匹配的信贷产品。引导银行制定支持科技领

域行业发展的信贷指引，建立健全信贷人员尽职认

定和免责处理相关细则，为信贷人员开展科技金融

业务提供明确、切实、有力的支持。

二是推进信息服务平台等金融中介建设。科创

企业的风险特征和差异化可能影响投资方对科创企

业筛选、审批的效率和质量。政府应牵头完善科技

创新行业信息共享平台，提高企业信息透明度和行

业信息公开性，缓解信息不对称问题，增强银行对科

创企业筛选识别、风险研判等能力。支持设立和发

展服务于科创企业的融资担保公司、金融租赁公司、

融资租赁公司、商业保理等机构以及中介服务机构。

三是完善支持科创企业风险补偿机制。由于科

技型企业“轻资产、高风险”特点，银行投资科技企业

风险明显高于大客户和个人。应引入国有融资性担

保公司、担保风险补偿基金等，建立完善风险补偿机

制，提高银行积极性。引入竞争机制，鼓励银行开展

科创金融产品创新，推动知识产权质押等业务发展，

满足贷款主体的融资需要。■

注 释

① 以国家统计局颁布的《战略性新兴产业分类（2018）》为

依据，确定了我国战略性新兴产业九大领域，包括新一代信

息技术产业、高端装备制造产业、新材料产业、生物产业、新

能源汽车产业、新能源产业、节能环保产业、数字创意产业、

相关服务业等。

② 内源融资是企业通过公司经营活动结果产生的资金进

行融资，主要由留存收益和折旧构成，留存收益又通常由盈

余公积和未分配利润组成。银行贷款是指企业从银行或者

其他金融机构获取贷款并在约定期限交付一定利息的间接

融资方式。股权融资定义为资本公积和股本之和。其他融

资主要包括债券融资、票据融资等融资方式。

[参考文献]

[1] 张瑾华，何轩，李新春.银行融资依赖与民营企业创新能

力：基于中国企业家调查系统数据的实证研究[J].管理评

论，2016（4）：98-108.

[2] 徐忠.观察近期美几家银行破产案的另一个角度[J/OL].

中国金融四十人论坛，[2023-07-15]. https：//www.toutiao.

com/article/7223208477446259258/?log_from=f7dd423e7515a

_1686797281006.

[3] 朱鸿鸣，赵昌文，付剑峰.中国科技贷款三十年：演进规律

与政策建议[J].中国科技论坛，2012（7）：20-31.

[4] 任泽平.我国各行业企业融资结构的方式与成本[J/OL].

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

059695806146275&wfr=spider&for=pc.

[5] 李斌，孙月静.中国上市公司融资方式影响因素的实证研

究[J].中国软科学，2013（7）：122-131.

[6] 湛泳，王浩军.国防科技融资方式对创新效率的影响：基

于军工上市企业面板数据的研究[J].经济理论与经济管理，

2019（11）：82-99.

（责任编辑：FZB / 校对：XY）

08

一、引言

在我国金融市场双向开放的背景下，短期资本

跨境流动规模扩大，风险溢出的渠道更加通畅，人民

币外汇市场受国际金融市场的外溢性影响进一步凸

显。在“一种货币、三种汇率、三类外汇市场”①的结

构化特征下，香港离岸人民币汇率、NDF 汇率与境

内人民币汇率具有双向价格引导关系[1]

，外部冲击

因素可经由前两种汇率价格传导至境内外汇市场，

加剧境内人民币汇率波动，推高我国外汇市场风险

水平，而境内市场风险也会通过这两种汇率向境外

扩散。不仅如此，三种汇率间还存在较强的风险共

振现象，这种关系在金融市场动荡时期表现得更为

突出，使得三类外汇市场间的风险溢出存在系统性、

时变性、交互性和非对称性，这对我国“实现人民币

汇率在合理、均衡水平上的稳定”的政策目标构成了

挑战。因此，研究境内外人民币外汇市场间的风险

溢出效应具有重要政策意义，不仅有利于我国稳步

提升人民币国际化水平，更好地构建“双循环”新发

展格局，也有助于发挥汇率作为国际金融风险隔离

墙的作用，为我国经济高质量发展保驾护航。

此外，金融资产风险仅用二阶矩方差来刻画并

不完整，还应当考虑在风险极端化条件下的高阶矩

波动率。在二阶矩风险维度下，GARCH波动率刻画

的是条件方差层面的风险，即已知的不确定性

（known unknown），意外波动率（VS）刻画的是意想

不 到 的 风 险 ，即 未 知 的 不 确 定 性（unknown un⁃

known）；而偏度、峰度等高阶矩波动率刻画的是极

端风险，即极端未知的不确定性（extreme unknown

unknown）。从 GARCH 波动率、意外波动率到高阶

矩波动率，金融资产所具有的风险极端化程度渐次

增加。已有研究发现，金融资产之间不仅存在一般

风险层面的关联，还存在着未预期风险甚至极端风

险层面的关联，且不同金融资产的联动关系在二阶

摘 要：本文测算了人民币汇率的意外波动率、条件偏度和条件峰度等多阶矩风险指标，结合 DY 溢出指数模型与 DCC-GARCH 模型

研究了境内人民币外汇市场、香港离岸外汇市场和 NDF 市场之间的风险溢出效应。研究发现：人民币汇率的高阶矩波动率能够更好地捕

捉到小概率冲击或极端冲击的影响；在频域视角下，境内外人民币外汇市场间存在显著的静态风险溢出效应，且意外波动率风险溢出效

应持续期相对较长，境内市场是风险溢出的源头，往往以香港离岸市场为中介将风险传导至 NDF 市场；从时域角度看，各阶矩下的风险溢

出效应都具有不断增强的时变特征，且对未预期冲击、小概率冲击和极端冲击较为敏感；就风险溢出效应所体现的风险联动性来看，境内

外市场的风险联动性在各阶矩维度下也都是显著的。

关键词：外汇市场；金融风险；人民币汇率；风险溢出；高阶矩波动

中图分类号：F832.5 文献标识码：A 文章编号：1009-3540（2023）09-0009-0011

基金项目：国家社科基金“金融舆情影响下 RCEP 国家货币共振机制与风险防控研究”（21XGJ002）；云南省哲学社会科学创新团队基

金“金融环境对云南中小企业创新能力的影响机理研究”（2021tdxmy04）。

■ 杨玲玲 汤磊

作者简介：杨玲玲（1981—），女，博士，云南师范大学经济与管理学院副教授； 汤磊（1998—），男，云南师范大学经济与管理学院硕士研

究生。

境内外人民币外汇市场的

多阶矩风险溢出效应研究

人民币国际化 RMB Internationalization

09

2023年第9期 WUHAN

FINANCE

矩乃至更高阶矩上都有显著的反映[2]

。因此，风险

溢出效应的研究应当考虑多阶矩维度下的溢出特

征，把不同极端化程度下的风险传染机制刻画出

来。基于此，本文从时域和频域两个维度出发，特别

关注三种人民币汇率通过动态条件相关结构所产生

的紧密联系，研究境内外人民币外汇市场之间的意

外波动、条件偏度和条件峰度风险溢出效应。

本文的边际贡献在于：第一，系统化地测度了境

内外人民币外汇市场间的多阶矩风险溢出效应，为

研究汇率风险以及由信息的跨市场传播所产生的多

阶矩市场风险联动关系提供了新佐证。第二，从时

域、频域双视角出发，研究了境内外人民币外汇市场

间的多阶矩风险溢出效应，拓展了汇率风险问题的

研究边界。第三，考察了在不同风险极端化程度下，

境内外人民币外汇市场间的风险溢出强度、溢出方

向以及跨市场风险传染机制，厘清了冲击因素在境

内外人民币外汇市场间的传导路径，为防范人民币

汇率风险、维护国家金融安全提供了经验证据和决

策依据。

二、文献综述

目前与本文主题相关的研究主要涉及境内外人

民币外汇市场间的风险溢出效应、基于意外波动率的

风险溢出效应以及基于高阶矩风险的风险溢出效应。

（一）境内外人民币外汇市场的风险溢出效应

信息的跨市场传播使得境内外人民币汇率的收

益率存在动态条件相关性，并因波动冲击产生了风

险溢出效应。国内外学者通过定量研究人民币外汇

市场的风险溢出效应，既识别了境内外外汇市场间

的汇率信息溢出强度和溢出方向，也据此判别出在

岸人民币汇率（CNY）、香港离岸人民币汇率（CNH）

和人民币无本金交割远期汇率（NDF）的市场影响

力，从而确定人民币定价权归属。

在2010年香港CNH市场尚未出现之前，国内学

者普遍认为境内人民币即期市场对 NDF 市场不存

在明显的波动溢出效应，NDF市场处于汇率价格发

现的中心地位，拥有人民币定价权[3，4]

。此后，相关

研究结论出现了分化：有学者发现，随着境内外人民

币外汇市场风险关联性的上升，境内CNY市场逐渐

占据了汇率定价主动权，而NDF市场的影响力开始

下降[5]

；有学者则认为，境内外人民币即期汇率间不

存在显著的均值溢出和波动溢出效应[6]

；还有学者

认为，CNH汇率对CNY汇率具有预测性，NDF汇率

对CNY汇率具有预测性，故境内CNY市场应当是溢

出效应的接受方，而香港CNH市场和NDF市场才是

溢出效应的源头[7—10]

。

在2015年“8.11”汇改后，国内外学者的研究结

论更趋一致，主要形成两类观点：一部分学者认为

CNY汇率引导着离岸市场汇率，故CNY汇率对离岸

CNH汇率的风险溢出效应更强[11—13]

；另一部分学者

则认为，香港CNH市场对境内CNY市场具有日益显

著的均值溢出和波动溢出效应，前者才是汇率信息

溢出的中心，CNH汇率变动能更好地反映全球风险

变化[14—16]

。

（二）基于意外波动率的风险溢出效应研究

Hamao等[17]

首次将意外波动率视为滞后于条件

方差项的成分，用以研究国际股市间的风险溢出效

应，结果发现纽约股市是风险溢出的源头，能够对伦

敦股市和东京股市产生显著影响。Engle 等[18]

更明

确地将意外波动率定义为残差平方和条件方差之间

的不可预测成分。该定义被国际学者用于研究美国

股市与亚太股市间的风险溢出效应，证实了美国股

市是意外波动风险的溢出源头[19，20]

。Aboura等[21]

的

研究最具代表性，认为意外波动率对金融市场间的

信息冲击更为敏感，将其引入 ADCCX-GARCH 模

型，用以探讨美国股票市场、债券市场、外汇市场和

大宗商品市场间的风险溢出效应，结论有力地证明

了考虑意外波动成分后各类金融市场间的风险溢出

效应更为显著。

（三）基于高阶矩风险的风险溢出效应

鉴于金融资产收益率通常并不满足正态分布或

者对数正态分布，这意味着对金融风险的测度不能

仅考虑均值和方差，也应该强调高阶矩维度下的风

险特征。从微观视角来看，企业间的生产率冲击总

体上呈现出非正态分布，其条件偏度和条件峰度具

有时变性[22]

。各类金融资产也具有类似风险特征，

对冲基金的收益率对偏度和峰度冲击尤为敏感，并

且偏度和峰度冲击比波动冲击更加重要[23]

，股票同

样如此。而且引入高阶矩风险后，股市间的风险溢

出效应也很显著。刘杨树等[24]

利用股票市场的风险

中性高阶矩来反映香港股票市场风险特征，发现在

三阶矩偏度和四阶矩峰度等两个维度下，香港股市

存在明显的风险溢出效应。许启发[25]

、蒋翠侠等[26]

构建了高阶矩风险 GARCHSK 模型，验证了我国股

10

市存在高阶矩风险，并发现方差风险溢出效应强于

偏度风险溢出效应和峰度风险溢出效应，方差风险

在投资决策中依然占有最重要的位置。崔金鑫等[2]

同时从时域和频域视角研究高阶矩风险溢出效应，

发现国际股市间的高阶矩风险溢出效应同样显著，

美国、英国、德国、法国和加拿大股市主要扮演风险

净溢出者的角色，而澳大利亚、日本、新加坡、中国内

地和中国香港股市主要扮演风险净接受者的角色。

综上，国内外学界围绕境内外人民币外汇市场

的风险关联性以及各阶矩风险维度下的金融市场风

险溢出效应进行了卓有成效的研究，但仍存在一些

局限性：第一，对汇率存在的多维阶矩风险特征考虑

不足，尤其是忽视了由此产生的意外波动风险溢出

效应和高阶矩风险溢出效应。在二阶矩维度上，隐

含波动率和随机波动率等需要遵从严格的假设条

件，有可能导致测算结果存在系统性偏误或者耗费

计算量。而意外波动率是GARCH波动率的估计残

差项和方差项之差，测算方式较为简便，且该值对金

融市场之间的波动冲击以及市场信息传递更加敏

感，能准确地刻画出未预期波动冲击带来的跨市影

响。第二，假设金融资产收益率序列为正态分布或

者对数正态分布，这可能不符合市场的真实情况，因

此高阶矩之间的风险溢出效应更应成为题中之意。

而国内外的高阶矩风险研究大多针对股票市场和债

券市场，较少涉及外汇市场。第三，对境内外人民币

外汇市场间由信息传递导致的风险溢出效应研究还

不够深入，仅验证了风险溢出效应的存在性及其基

本特征，尚未明确揭示出人民币汇率风险的跨市风

险传染机制。第四，现有研究较多地从时域角度来

检验金融市场间的风险溢出效应，而从频域视角来

检验金融市场间风险溢出效应的成果较少，更鲜有

针对人民币外汇市场时频域风险溢出效应的研究。

三、实证指标与模型构建

（一）二阶矩风险指标

本文将采用意外波动率来作为二阶矩波动风险

的测算指标。Engle 等[18]

将其定义为金融资产价格

时序的条件方差与其残差平方的差值，用以表征金

融风险中不可预测的波动成分。一般而言，可通过

构建GARCH（1，1）模型的均值等式：

rt = μ + ϵt （1）

σ2

t = ω + αϵ2

t - 1 + βσ2

t - 1 （2）

其中，rt 为金融资产对数收益率序列，μ 为无

条件均值，ϵt 为残差序列，σt 为条件方差，ω 为平

均波动率项。

由残差 ϵt 算得时变条件波动率 σt ，即可通过残

差平方 ϵ2

t 和条件方差 σ2

t 之间的差值求解意外波动

率ζ。Engle等[18]

将波动率定义为ζ，作为残差平方 ϵ2

t

和条件方差 σ2

t 之间的差值。出于标准化计算的目

的，本文将意外波动率进行标准化处理，即标准化意

外波动率 ζ

ˉ由如下公式给出：

ζ

ˉ= ϵ2

t - σ2

t

σ2

t

（3）

（二）高阶矩风险指标

金融资产收益率分布并非严格服从正态分布，

而是具有“尖峰肥尾”特征，也即具有了三阶矩意义

上的峰度风险和四阶矩意义上的偏度风险，它们构

成了金融资产价格的高阶矩风险。为获取人民币汇

率收益率的条件偏度和条件峰度序列，本文对Leon

等[27]

提出的 GARCHSK 模型进行了精炼，构建如下

高阶矩风险模型：

rt = μ + ϵt = 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 为金融资产对数收益率，μ

为无条件均值，ϵt = h1/2

t Zt 表示创新项，Zt 表示白噪

音，且 E（ Zt ）=0，E（ Z2

t ）=1，σt 为条件方差。V

（rt

|rt - 1）= σ2

t ，rt - 1 指的是t-1时期内的时变信息，ht

为条件波动，skew下标t为条件偏度，kurt下标t为条

件峰度。

（三）DY溢出指数模型

本文将借鉴Diebold等[28]

提出的溢出指数（Spill⁃

over Index）模型来考察 CNY 市场、CNH 市场以及

NDF 市场之间的多阶矩风险溢出效应。该模型的

基本原理是根据广义的KPPS 方法建立VAR 模型，

然后采用方差分解以计算溢出指数。

首 先 ， 构 建 四 元 VAR （p） 模 型

xt =∑i = 1

p

Φixt - i + εt 。其中，ε~（0，Σ）是一个独立同

分布的标准误差变量。将VAR（p）转换为MA形式，

即 xt =∑i = 1

∞ Aixt - 1 ，Ai 为4×4系数矩阵，并且满足递

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

（ A0 是

人民币国际化 RMB Internationalization

11

2023年第9期 WUHAN

FINANCE

单位矩阵；当i<0时，Ai = 0）。

其次，运用 KPPS 方法对 VAR 进行一般化处理

和方差分解。来自 xi

(i = 1,2,3,…,N) 的冲击对 xi 的

向前H步预测误差的方差可以作为自身项对方差的

贡献程度，而不包括 xi 在内的其他 xj

( j = 1,2,3,…,N

且 i ≠ j) 对 xi 的 H 步预测误差方差则视为自身对其

他方差的贡献值。因此，xj 对 xi 的方差贡献为：

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 为第j个方程误差项的标准差，Σ为预

测误差向量ε的方差矩阵，ei 表示第i个元素为1而

其余元素均为0的列向量。在KPPS方法的VAR框

架下，可由自身和其他变量方差贡献度的和算得总

贡献程度，即∑j = 1

N

θ

g

ij(H) ≠ 1。

接下来，可对 θ

g

ij 进行标准化处理，令

θ͂

g

ij(H) = θ

g

ij(H)

∑j = 1

N

θ

g

ij(H) （8）

其中，∑j = 1

N

θ͂

g

ij(H) ≠ 1，∑j = 1

N

θ͂

g

ij(H) = N 。

根据不同变量的方差贡献度之和占总预测误差

方差贡献度百分比，可构建如下总溢出指数：

S

g

(H) =

∑i,j = 1&i ≠ j

N

θ͂

g

ij(H)

∑i,j = 1

N

θ͂

g

ij(H)

× 100

=

∑i,j = 1&i ≠ j

N

θ͂

g

ij(H)

N

× 100

（9）

此外，还可以度量其他所有市场对市场 i 的溢

出指数：

S

g

i.(H) =

∑j = 1&i ≠ j

N

θ͂

g

ij(H)

∑i,j = 1

N

θ͂

g

ij(H)

× 100

=

∑j = 1&i ≠ j

N

θ͂

g

ij(H)

N

× 100

（10）

相反，市场i对其他所有市场的溢出指数为：

S

g

.i(H) =

∑j = 1&i ≠ j

N

θ͂

g

ji(H)

∑i,j = 1

N

θ͂

g

ji(H)

× 100

=

∑j = 1&i ≠ j

N

θ͂

g

ji(H)

N

× 100

（11）

用公式（11）减去（10），得到市场 i 对其他所有

市场的净溢出指数：

S

g

i (H) = S

g

.i(H) - S

g

i.(H) （12）

假设 j 指的是另一个市场，则市场 i 对市场 j 的

净溢出指数为：

S

g

(H) = θ͂

g

ji(H)

∑i,j = 1

N

θ͂

g

ij(H)

- θ͂

g

ij(H)

∑j,i = 1

N

θ͂

g

ji(H)

=

∑i,j = 1&i ≠ j

N

θ͂

g

ij(H)

N

× 100

（13）

在模型数据的选用上，本文选取上述标准

GARCH 模型和 GARCHSK 模型计算所得的意外波

动率、条件偏度和条件峰度，以计算CNY市场、CNH

市场和 NDF 市场之间的各阶矩变量之间的溢出关

系和溢出强度。

（四）DCC-GARCH（动态条件相关）模型

在 DY 溢出指数模型的基础上，本文将进一步

对CNY市场、CNH市场和NDF市场之间的风险溢出

特征进行动态化描述。 rt 和 ζ

ˉ分别代表价格收益率

和 意 外 波 动 率 成 分 ，价 格 收 益 率 由 公 式

rt = log(Pt /Pt - 1) 计算得出，ξ 定义为n×1的参数向量。

将 χt 定 义 为 t 时 间 上 的 不 可 预 测 成 分

（ϵt

或者ζ

ˉ）的向量，条件均值为0并且符合n×n的协

方差矩阵 Ht 。

χt

|Ωt - 1~N(0,Ht

) （14）

将 Ωt - 1 定义为 t-1 时间段上的所含信息，条件

协方差矩阵可以被分解成下式：

Ht = DtRtDt = ( ρij,t hii,t

hjj,t) （15）

令 ρij,t 代表相关系数，Rt 代表n×n 的时变相关

矩阵，Dt = diag( hi,t ) 作为标准差的n×n对角矩阵。

动态条件相关矩阵由下式给出：

Rt = Q* - 1

t Qt

Q* - 1

t （16）

其中，Rt 中的元素由下式给出：

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 作为标准化残差的 N*1 向量，ε*

t = εi,t

∙σ

- 1

2

ii,t ，

A = diag( α) 表 示 α 估 计 系 数 的 对 角 矩 阵 ，

B = diag( β ) 表示 β 估计系数的对角矩阵，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、数据、指标及描述性统计

（一）数据、样本和多阶矩风险指标测算

本文选取的数据为 CNY 市场人民币兑美元即

期汇率、CNH市场人民币兑美元即期汇率以及NDF

市场一月远期汇率的每日收盘报价，考虑到境内外

人民币外汇市场的数据同步性，数据选取时段为

2012年5月10日到2023年2月3日，同时剔除交易

时间不一致数据以及个别极端数据，最终保留共计

2464个交易日。所有数据均来源于wind数据库。

根据 GARCHSK 模型可以计算得出 CNY、CNH

以及 NDF 市场的标准 GARCH 波动率，以及三个外

汇市场在高阶矩条件下的条件偏度和条件峰度序

列。CNY、CNH 以及 NDF 市场由标准 GARCH 模型

计算得出的参数具体如表1所示：

表1 CNY、CNH及NDF市场标准GARCH模型参数

市场类型

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）表中参数由前文式（2）算得，ω为平均波动率项，α为往期

收益率偏差对当期收益率波动的影响系数，β为往期收益率波动

对当期收益率波动的影响系数。（2）括号中的数值为 t 统计量，

***、**、*分别表示在1%、5%和10%的置信水平上显著。下表同。

CNY 市场和 CNH 市场的α值约为 0.37，表明往

期收益率偏差对当期收益率波动存在较高的影响水

平，而 NDF 市场的α值仅有 0.178，表明往期收益率

偏差的影响相对较小。CNY市场和CNH市场的β值

在0.5附近，表明往期收益率波动对当期收益率波动

存在一定影响，但相较于 NDF 市场的 0.698 而言影

响程度较低。

进一步依据公式（3），可求出CNY市场、CNH市

场和 NDF 市场上人民币汇率的意外波动率序列

ζ

ˉ 。如图1所示，自2012年以来，境内外人民币外汇

市场的意外波动率逐渐增强，这反映出在持续推进

的汇率形成机制改革推动下，外汇市场的透明度不

断提高，人民币汇率波动弹性不断增大。值得注意

的是，在2015年“8·11”汇改、2019年中美贸易争端、

2020年新冠疫情、2022年俄乌冲突等时点上，汇率

意外波动率均出现了突变值，表明重大汇率改革及

市场冲击事件增加了境内外投资者预期的不确定

性，加剧了汇率风险。此外，三条意外波动率曲线呈

现出基本趋同的波动态势，这意味着在二阶矩维度

上，境内外人民币外汇市场间可能存在较高的风险

联动性，这将在后续的实证检验中进行验证。

图1 CNY、CNH及NDF市场的意外波动率曲线

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

prise NDF分别为CNY市场、CNH市场以及NDF市场的意外波

动率序列。

接下来，由 GARCHSK 模型可以估计得出 CNY

市场、CNH市场以及NDF市场上的人民币汇率高阶

矩风险时序，如图 2 所示。在三阶矩风险维度上，

CNY市场和CNH市场的条件偏度曲线波动较为平

稳，仅在2015年“8·11”汇改期间出现了突变，且后

者比前者波动性稍强；NDF市场的条件偏度曲线则

呈现出长期不平稳的波动态势。在四阶矩风险维度

上，各市场上的条件峰度曲线也具有类似的波动特

征。这表明高阶矩汇率风险指标更易捕捉到未预期

冲击乃至极端冲击对外汇市场的影响，从而使得境

内外人民币汇率风险表现出明显分化，即 CNY 汇

率、CNH汇率和NDF汇率对波动冲击的响应敏感度

不断增强。这也体现出境外人民币外汇市场中的信

息速率高于境内市场，同时从侧面反映出境外市场

具有相对较高的市场定价效率。

（二）描述性统计分析

表2是对CNY、CNH及NDF市场上各阶矩风险

人民币国际化 RMB Internationalization

13

2023年第9期 WUHAN

FINANCE

序列的描述性统计。从峰度值来看，各个序列均表

现出“尖峰厚尾”特征；从JB统计值来看，各阶矩风

险均不服从正态分布；ADF单位根检验结果则表明

各序列均为平稳序列。

表2 CNY、CNH及NDF市场的多阶矩风险指标

描述性统计

风险

指标

意外

波动率

条件

偏度

条件

峰度

市场

类型

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

标准差

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检验

-25.619***

-26.288***

-23.905***

-278.993***

-107.158***

-42.910***

-42.488***

-1205.128***

-43.563***

五、各阶矩维度下境内外人民币外汇市场间

的风险溢出效应

本文将基于 DY 溢出指数方法，将 CNY 市场、

CNH 市场和 NDF 市场纳入统一的 VAR 模型系统

中，从时域和频域角度出发，分别检验三个人民币外

汇市场间的意外波动风险溢出效应、条件偏度风险

溢出效应和条件峰度风险溢出效应。

（一）频域视角下静态风险溢出效应检验

根据上文测算得出的 CNY 市场、CNH 市场和

NDF 市场上意外波动率、条件偏度和条件峰度数

据，本文依次构建了在各阶矩维度下的静态 DY 溢

出指数模型，以检验境内外人民币外汇市场间的静

态风险溢出效应。意外波动风险溢出效应考虑当一

个市场未预期的波动冲击产生时另外两个市场产生

波动变化的概率。条件偏度风险溢出效应考虑当某

一外汇市场上的人民币汇率大幅上涨或下跌时，其

他两个市场产生大幅度上涨或下跌的可能性；条件

峰度风险溢出效应表示当某一市场发生极端概率事

件后，其他两个市场同样发生极端概率事件的可能

性。在此基础上，为探究各阶矩风险溢出效应的静

态频域特征，本文还将各阶矩风险时序的滞后期进

行调整，划分了四个不同频域，设置了1天（短期）、5

天和10天（中期）以及20天（长期）四种不同频域。

1.静态风险溢出强度

表3列示了不同频域下境内外人民币外汇市场

间的静态风险溢出总体强度，得出以下结论：

第一，在各阶矩维度下，境内外人民币外汇市场

间的风险溢出效应均十分显著，CNY 市场、CNH 市

场和NDF市场之间的意外波动率、条件峰度和条件

偏度风险溢出指数最高值分别达到 40.7、44.1%、

29.5%。在各阶矩风险溢出效应中，条件偏度溢出

效应最强，条件偏度溢出效应最弱，随着阶矩增加，

境内外人民币外汇市场间的风险溢出强度呈现先增

后减的驼峰形态变化趋势。这表明小概率市场冲击

因素导致的风险跨市传染性最强，而在极端冲击因

素下的风险跨市传染性相对较弱。

第二，从频域角度来看，境内外三个人民币外汇

市场间的意外波动风险溢出效应在20天左右到达

强度峰值，表明二阶矩的风险溢出效应可能会在长

时间内产生效果。而条件偏度风险溢出效应和条件

峰度风险溢出效应均在5天左右达到高峰值，这意

表3 CNY、CNH及NDF市场间的静态风险溢出效应

频域

滞后1天

滞后5天

滞后10天

滞后20天

意外波动风险溢出

39.6%

40.2%

40.5%

40.7%

条件偏度风险溢出

43.1%

44.1%

44.1%

44.1%

条件峰度风险溢出

29.5%

29.4%

29.4%

29.4%

图2 CNY、CNH和NDF市场的条件偏度、条件峰度曲线

注：skew CNY、skew CNH和skew NDF分别为CNY市场、CNH

市场以及 NDF 市场的条件偏度序列。kurt CNY、kurt CNH、

kurt NDF分别表示CNY市场、CNH市场以及NDF市场的条件

峰度序列。

14

味着在短时间内，当一个市场出现大幅度涨跌甚至

发生极端概率事件时，另外两个市场均会在短期内

受到影响，以较快速度做出反应。此外，从滞后5天

的频域开始，各阶矩维度下的风险溢出强度都保持

在较高水平，没有随频域时长的增加而表现出衰减

趋势，这说明无论是从意外波动率、条件偏度还是条

件峰度来测度汇率风险，CNY 市场、CNH 市场和

NDF市场间的风险溢出效应都具有较长的存续期。

2.静态风险溢出贡献度

表4列示了境内外三个人民币外汇市场各自的

风险溢出贡献度，可以发现：

第一，各阶矩维度下境内人民币外汇市场都是

风险溢出的中心，而风险溢出的对象则为香港离岸

市场或 NDF 市场。从意外波动率、条件偏度、条件

峰度的角度来看，CNY市场对CNH市场和NDF市场

的风险溢出贡献均在 100%左右，CNY 市场在各阶

矩维度下均扮演着风险溢出主要输出者的角色。以

意外波动率作为汇率风险指标时，NDF市场受到来

自其他两个市场的风险溢出贡献达到67.6%，为三

个市场的最高值，可将其视为风险溢出效应的主要

承受者。而以条件偏度和条件峰度作为汇率风险指

标时，CNH市场受到来自其他市场的风险溢出贡献

分别达到98%和81%，在三个市场中处于最高值，可

以认为该市场是风险溢出效应的主要承受者。这些

结果表明，境内外汇市场上的人民币汇率风险变化

对境外同类市场有决定性影响，因为境内外汇市场

的风险冲击更容易扩散至境外市场，从而引发风险

共振。

第二，从意外波动率、条件偏度、条件峰度的角

度来看，CNY市场接受来自自身的风险溢出性都是

最强的，风险溢出贡献分别为98.4%、100%和100%，

表明境内人民币外汇市场的汇率风险主要由本土冲

击因素所致。导致该结果的原因可能是，境内外汇

风险冲击的外向扩散更为便利，而境外人民币外汇

市场对境内外汇市场的风险溢出渠道仍较为有限。

3.风险溢出机制分析

图3展示了三个人民币外汇市场之间在各阶矩

下的风险溢出机制，可以发现：

第一，在意外波动视角下，CNY、CNH和NDF市

场间普遍存在着双向风险溢出关系，市场间的风险

溢出渠道较为丰富。其中，CNY市场对CNH市场和

NDF市场具有较强的风险溢出效应，强度值分别达

到了49.4%和61.4%，大大高于CNH 和NDF 对CNH

市场的风险溢出强度，这表明CNY市场已经成为最

主要的风险溢出方。此外，在CNH市场与NDF市场

的双向风险溢出关系中，前者对后者的单向风险溢

出强度相对更强，这可能意味着CNH市场作为连接

境内外人民币外汇市场的信息中介，也起到市场风

险由境内向境外扩散的桥接作用。

第二，在条件偏度视角下，CNH 市场的风险溢

出中介作用体现得尤为突出，仅存在由CNY市场经

由CNH市场向NDF市场传递风险的单向风险溢出

路径，溢出强度依次为98.1%和31.3%。这说明境内

外汇市场上的小概率风险冲击会通过CNH 市场传

导至NDF市场，引发三个市场的风险共振。

第三，在条件峰度视角下，CNY市场不仅可以

通过CNH市场对NDF市场实现间接风险溢出，还具

有对NDF市场的直接风险溢出，强度值为1.5%。这

表明在极端风险条件下，境内人民币外汇市场更多

地成为了风险溢出的中心，而在两条单向风险溢出

表4 基于多阶矩风险指标的CNY、CNH及NDF市场间

静态风险溢出效应

风险指标

意外

波动率

条件

偏度

条件

峰度

市场类型

CNY市场

CNH市场

NDF市场

对其他市场贡献度

包含对自身贡献度

CNY市场

CNH市场

NDF市场

对其他市场贡献度

包含对自身贡献度

CNY市场

CNH市场

NDF市场

对其他市场贡献度

包含对自身贡献度

CNY市场

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市场

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市场

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

其他市场

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% 图3 CNY、CNH及NDF市场间的风险溢出机制

人民币国际化 RMB Internationalization

15

2023年第9期 WUHAN

FINANCE

路径均发挥作用的情况下，境外NDF市场成为了风

险溢出的接受者。

从上述分析中可知，境内人民币外汇市场已经

占据各阶矩风险溢出中心的地位，其作为人民币汇

率市场信息中枢和定价核心的优势得以凸显，而香

港离岸市场则扮演者境内外风险溢出的重要通道角

色；随着中国地区人民币外汇市场的崛起，NDF 市

场的影响力已经下降。不仅如此，上述结论还显示

境内人民币外汇市场已经具备了一定程度的抗风险

能力，这对于维系人民币汇率的稳定有重大意义，对

于加强境内外人民币汇率的协动性也会产生积极影

响。因此，市场参与者在做资产决策时需要更多考

虑CNY市场带来的影响，市场管理部门在制定汇率

政策时也可将更多的目光投向CNY市场。

（二）时域视角下动态风险溢出效应检验

本文将采用滚动时间窗口法对DY溢出指数模

型进行动态估计，进一步分析各阶矩风险维度上境

内外人民币外汇市场间的动态风险溢出总效应。参

照Barunik等[29]

的设定，本文将预测步长设置为向前

100天，滚动时间窗口长度设置为200天。实证结果

如图4所示，从中可以发现：

第一，无论是意外波动、条件偏度还是条件峰度

视角下，境内外人民币外汇市场间的风险溢出总效

应都具有显著的时变性。从总体上看，风险溢出系

数随时间推移呈不断增加的趋势，表明境内外人民

币外汇市场的风险联动性正日益增加，这是市场间

信息交流日渐频繁，风险溢出渠道不断丰富的结果。

第二，动态意外波动、动态条件偏度以及动态条

件峰度的风险溢出系数都出现了多个结构断点，但

在两个最明显的时段前后，风险溢出系数均出现先

降后升的趋势，足以体现政策性时间对境内外人民

币外汇市场间的风险联动关系存在显著影响。第一

个明显断点出现在2015年“8.11”汇改期间，在我国

央行宣布改革人民币汇率形成机制后，各阶矩下的

风险溢出系数都出现了跳跃式上涨。可以认为，此

次改革不仅增加了人民币汇率定价的市场化程度，

也更好地体现出市场预期调整对汇价的影响，有利

于疏通境内外人民币外汇市场间的信息沟通渠道，

使风险溢出效应出现跳跃式增强。第二个明显断点

出现在2019年5月，期间发生了两大事件，即我国深

化银行业保险业对外开放以及中美贸易争端爆发。

在该断点处，各阶矩下的风险溢出效应也显著上升，

这可能是因为在重大事件信息的广泛、快速传播下，

大量交易者非理性行为驱动产生了羊群效应[30]

，短

时间内强化了境内外人民币外汇市场的风险联动。

第三，2020年4月以来，境内外人民币外汇市场

间各阶矩风险溢出效应都存在着明显下降趋势。这

可能是由于全球新冠疫情大流行累及金融领域，从

而引发了金融市场动荡，投资者出现恐慌情绪，资本

市场参与度有所下降[31]

，导致市场间的风险溢出效

应减弱。

图4 基于多阶矩风险指标的CNY、CNH及NDF市场间

的动态风险溢出效应

六、各阶矩维度下境内外人民币外汇市场间

的风险联动性检验

前文从频域和时域角度验证了境内外人民币外

汇市场间存在着明显的风险溢出效应，在此基础上，

本文将采用二元 DCC-GARCH 模型进一步分析两

两市场间的风险联动性，对境内外市场间的风险溢

出效应所体现出的时变特征进行更为细致的研究。

（一）DCC-GARCH估计结果分析

根据表5的估计结果，CNY与CNH市场组合的

α、β系数值分别为0.012和0.406，都处于中等水平，

表明这两个市场对于新信息的接受程度一般，风险

溢出效应持续期也不长。对于CNY与NDF市场组

合而言，α系数值仅为0.006，而β系数值高达0.76，说

明该市场组合的信息敏感程度极低，风险溢出效应

的持续时间却很长。CNH与NDF市场组合的α、β系

数值分别为0.261和0.239，分别为三个市场组合中

的最高值和最低值，这表明该市场组合的信息接受

16

程度更高，对新信息的敏感程度更强，但风险溢出效

应的持续时间最短。该结果表明，境内人民币外汇

市场是未预期信息的源头市场，产生波动冲击后，

CNH市场充当三个市场的信息传播媒介，对信息的

敏感程度最高，在未预期的波动冲击下，反应更加剧

烈，而 NDF 市场是风险溢出的接收者，存在的波动

溢出效应持续时间更长。

从条件偏度和条件峰度的模型分析结果来看，

条件偏度的模型结果显示α系数和β系数均显著不

为0，α系数显著表明现有信息对下一期波动存在影

响，β系数显著表明市场中波动存续性较强。同样，

在条件偏度序列中CNY市场和NDF市场之间对新

信息的敏感程度最高，而CNY市场和CNH市场之间

的波动存续期最长。根据上文对条件偏度序列的定

义，即当一个市场出现大幅涨跌时其他市场发生大

幅涨跌的概率，上述现象表明当CNY市场产生大幅

涨跌时NDF市场出现大幅涨跌的概率是最高的，而

持续时间却又最短。对于该现象本文认为，NDF市

场的市场地位自2010年CNH市场出现后持续降低，

更多承受来自其他市场的冲击，因此当其他市场产

生大幅波动时最易受到影响，而CNY市场和CNH市

场的关联程度越来越高，因此存在较高的β系数。

条件峰度模型结果显示，仅在CNY市场和CNH

市场存在显著不为零的α系数和β系数，CNY市场和

NDF 市场在 10%的水平上存在显著的β系数，根据

上文定义，条件偏度序列表示当一个市场发生极端

概率事件时其他市场同样发生极端概率事件的可能

性。这也就表明当 CNY 市场产生极端概率事件时

CNH市场发生极端概率的可能性很大。

从整体来看，意外波动率的α、β值之和小于条

件偏度的系数值之和，而条件峰度序列的α、β值部

分不显著，说明条件偏度的波动聚集效应最强，意外

波动率次之，条件峰度的波动聚集效应最弱，该特征

与上文的静态溢出指数模型结果保持一致。

（二）动态条件相关系数分析

图 5 展示了基于各阶矩风险指标测算得出的

CNY市场、CNH市场和NDF市场间的动态条件相关

系数。

图5 基于多阶矩风险指标的CNY、CNH及NDF市场间

动态相关系数

从意外波动率视角来看，在未预期冲击因素影

响下境内外人民币外汇市场的风险具有明显的、同

向变化的联动特征。两两外汇市场间的动态风险相

关性均为正值，即CNY和CNH市场、CNY和NDF市

场、CNH 和 NDF 市场的对偶动态条件相关系数

（Pairwise Dynamic Conditional Correlation）平均保持

在0.68至0.70之间，且随着时间推移相关系数逐渐

增大，表明两两市场间的风险趋同性在日益增强。

表5 DCC-GARCH模型参数

风险指标

意外波动率

条件偏度

条件峰度

市场组合

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）。参数α表示现有信息对下一期波动

性的影响程度，α越高则市场间新信息的敏感程度也越高；参数β

表示上一期市场波动相关性对当期市场波动相关性的影响程度，

β越大则市场风险溢出持续时间越长。

人民币国际化 RMB Internationalization

17

2023年第9期 WUHAN

FINANCE

从条件偏度视角来看，即便受到小概率冲击因

素影响，境内外人民币外汇市场间的动态风险关联

性也始终保持在较为稳定的水平上，但两两市场间

的风险联动程度存在明显差异。CNY和CNH市场、

CNY和NDF市场以及CNH和NDF市场的对偶动态

条件相关系数平均值分别为-0.9、0和-0.1，且在大

部分情况下都为负值，这意味着两两市场间的风险

是负相关的，其中境内市场和香港离岸市场之间的

风险负相关性最强。

从条件峰度视角来看，境内外人民币外汇市场

间的风险关联性也较为稳定，对于极端冲击的响应

方向较为一致。CNY 和 CNH 市场、CNY 和 NDF 市

场以及CNH和NDF市场的对偶动态条件相关系数

平均值分别为0.9、0.12和1.5，且较多地处于正值区

间，这说明两两市场间同样存在风险趋同特征，其

中，香港离岸市场和境外NDF市场间的风险正相关

性最强。

此外，在意外波动率维度和条件偏度维度下，两

两市场间的动态条件相关系数变动更为剧烈，表明未

预期冲击和小概率冲击都会增强境内外人民币外汇

市场间的风险关联性。同样，2015年“8.11”汇改、2019

年中美贸易争端以及2020年新冠疫情等重大冲击

因素都会加剧市场间的风险联动性，故在上述时间

点上可以看到对偶动态条件相关系数发生了突变。

七、稳健性检验

为检验本文的风险溢出效应实证结果的稳定

性，分别选取 150 天、250 天和 300 天的滚动窗口进

行稳健性检验，检验结果如下：

表6 稳健性检验

滚动窗口期

150天

250天

300天

意外波动率

溢出效应

39.6%

39.6%

39.6%

条件偏度风险

溢出效应

43.1%

43.1%

43.1%

条件峰度风险

溢出效应

29.5%

29.5%

29.5%

从表6结果来看，境内外人民币外汇市场间仍

然明显存在较强的意外波动、条件偏度以及条件峰

度风险溢出效应，且溢出强度关系一致，这与上文研

究结论相符。因此，本文的时变多阶矩风险溢出效

应测算结果对于滚动时间窗长度的选取并不敏感，

证实了本文实证结果具有稳健性。

八、结论和政策建议

本文考虑多阶矩风险的存在性，测算了人民币

兑美元汇率的意外波动率、条件偏度风险和条件峰

度风险等指标，研究了境内外人民币外汇市场间的

风险溢出效应，主要得出以下结论：第一，以意外波

动率、条件偏度和条件峰度来衡量的二阶矩、三阶矩

和四阶矩汇率风险指标均存在风险积聚特征，且条

件偏度风险和条件峰度风险能够更好地捕捉到小概

率冲击或极端冲击的影响。第二，境内外人民币外

汇市场间存在显著的静态风险溢出效应；在频域视

角下，意外波动率风险溢出效应具有20天左右的缓

释期，而条件偏度和条件峰度风险溢出效应在5天

左右达到强度峰值，效应持续期较短。第三，在各阶

矩维度下，境内外市场间的风险溢出效应存在不对

称性，境内市场对境外市场的风险溢出效应相对更

强。第四，境内外市场间的风险溢出效应作用机制

表明，境内市场才是风险溢出的源头，市场风险往往

通过CNH市场向外溢出，故CNH市场是跨境外汇风

险传导的中介，而 NDF 市场成为风险溢出的对象。

第五，从时域角度看，各阶矩维度下境内外人民币外

汇市场间的风险溢出效应都具有明显的时变特征，

市场间的风险联动性随时间推移不断增加；风险溢

出效应存在结构断点，表明未预期冲击、小概率冲击

和极端冲击会使得市场间的风险溢出效应突然增

强。第六，从风险溢出效应所体现的风险联动性来

看，境内外市场的风险联动性在各阶矩维度下都是

显著的，其中，基于意外波动率的市场风险关联性呈

现出不断增强的趋势，而基于条件偏度和条件峰度

的市场风险关联性总体较为稳定。

本文的结论对外汇市场上的投资者和政策制定

者具有如下参考意义：第一，应从多阶矩视角来看待

外汇市场风险，对于境内外人民币外汇市场间的风

险传导问题，不仅要考虑传统的波动溢出效应，更应

该考虑意外波动率、条件偏度和条件峰度风险溢出

效应。第二，应关注国内外重大事件对人民币外汇

市场产生的冲击，注重防范由境内外市场的风险共

振增强而引发我国系统性金融风险上升。第三，着

力提高境内人民币外汇市场的定价效率，强化信息

的跨市场沟通，增强境内外市场联动，更好地发挥境

内市场作为信息中枢和定价中心的作用；同时提高

人民币汇率波动韧性，进一步强化境内市场的抗风

18

险能力。第四，不断完善跨境市场风险传染防控机

制，针对未预期的波动冲击，要利用境内人民币外汇

市场作为风险溢出源头的市场地位及时阻断跨市场

冲击传导，以维护市场稳定。第五，在小概率或极端

风险事件发生时，更要关注短期内条件偏度和条件

峰度溢出效应加剧对境内市场造成过度的负面冲

击，制定可操作的风险控制预案。■

注 释

① 一种货币就是人民币；三种汇率指的是境内人民币汇

率、香港离岸人民币汇率和NDF人民币汇率；三类外汇市场

指的是境内人民币外汇市场、香港离岸人民币外汇市场和

NDF人民币外汇市场。

[参考文献]

[1] 谭小芬，张辉，杨楠，等.离岸与在岸人民币汇率：联动机

制和溢出效应：基于VAR-GARCH-BEKK模型的分析[J].管

理科学学报，2019（7）：52-65.

[2] 崔金鑫，邹辉文.时频视角下国际股市间高阶矩风险溢出

效应研究[J].国际金融研究，2020（6）：75-85.

[3] 徐剑刚，李治国，张晓蓉.人民币NDF与即期汇率的动态

关联性研究[J].财经研究，2007（9）：61-68.

[4] 严敏，巴曙松.人民币即期汇率与境内外远期汇率动态关

联：NDF监管政策出台之后[J].财经研究，2010（2）：15-25.

[5] 伍戈，裴诚.境内外人民币汇率价格关系的定量研究[J].

金融研究，2012（9）：62-73.

[6] 周先平，李标.境内外人民币即期汇率的联动关系：基于

VAR-MVGARCH 的实证分析[J].国际金融研究，2013（5）：

4-14.

[7] 阙澄宇，马斌.人民币在岸与离岸市场汇率的非对称溢出

效应：基于VAR-GJR-MGARCH-BEKK模型的经验证据[J].

国际金融研究，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，FU 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，甘静芸，钱宗鑫，等.央行如何实现汇率政策目标：

基于在岸-离岸人民币汇率联动的研究[J].金融研究，2016

（4）：34-49.

[12] 顾嵩楠，万解秋.人民币离岸与在岸汇率联动机制研究：

基于VAR-DCC-MVGARCH-BEKK模型[J].上海经济研究，

2019（2）：119-128.

[13] 李政，梁琪，卜林.人民币在岸离岸市场联动关系与定价

权归属研究[J].世界经济，2017（5）：98-123.

[14] 钟永红，邓数红“. 8·11汇改”后人民币离岸在岸汇率和

利率的联动性研究[J].世界经济研究，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] 丁剑平，胡昊，叶伟.在岸与离岸人民币汇率动态研究：

基于美元因素和套利因素的视角[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] 刘杨树，郑振龙，张晓南.风险中性高阶矩：特征、风险与

应用[J].系统工程理论与实践，2012（3）：647-655.

[25] 许启发.高阶矩波动性建模及应用[J].数量经济技术经

济研究，2006（12）：135-145.

[26] 蒋翠侠，许启发，张世英.金融市场条件高阶矩风险与动

态组合投资[J].中国管理科学，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.金融政策对金融危机的响应：宏观审慎政策框

架的形成背景、内在逻辑和主要内容[J].金融研究，2011

（1）：1-14.

[31] 中国银行研究院全球经济金融研究课题组.全球经济大

概率陷入衰退，警惕滑入金融危机和经济危机：中国银行全

球经济金融展望报告（2020年第二季度）[J].国际金融，2020

（4）：43-50.

（责任编辑：GW / 校对：XY）

人民币国际化 RMB Internationalization

19

2023年第9期 WUHAN

FINANCE

一、引言

自工业革命以来，大量化石燃料消耗所产生的

碳排放加剧了全球气候变暖，这严重影响了环境质

量[1]

。2011—2020 年，全球地表温度比 1850—1900

年升高了1.09℃，气候变化引起的海平面持续上升、

空气质量下降、淡水匮乏、极端天气和生态退化等一

系列问题严重威胁到人类健康、社会的稳定和可持

续发展[2，3]

。因此，构建绿色经济发展体系，不仅能

改善居民生态福祉，还有利于推动经济可持续发

展。同时，绿色发展需要技术作为支撑，绿色技术发

展对生产绿色产品，提高生产效率及降低污染物排

放具有重要影响。绿色创新不仅是生态文明建设和

经济发展的桥梁[4]

，也是推动能源行业变革、实现双

碳标准的关键，是绿色发展和社会转型的基石[5—7]

。

现阶段，中国不仅需要依靠技术创新来推动经济发

展，还要依靠绿色创新来实现生态环境保护，助力实

现经济可持续发展[8]

。然而，绿色创新具有技术研

发周期长、投入成本大和复杂度高等特点，绿色创新

资金短缺严重阻碍了企业与城市的绿色发展，满足

绿色创新资金需求是推动企业绿色创新的关键因素

和重要保障[9]

。

为了推动绿色发展，绿色金融应运而生。绿色

金融不仅是一种市场机制设计，更是一种基于中长

期可持续发展的制度安排。绿色金融通过优化信贷

资金配置，引导资金从高污染、高耗能产业流向技术

先进的部门。这不仅可以推动清洁行业绿色发展，

还能倒逼重污染企业积极进行绿色创新，激励技术

摘 要：绿色金融对优化信贷资金配置，构建以市场为导向的绿色技术创新体系具有重要指引作用。本文采用 2012—2019 年 287 个

地级市面板数据，构建双重差分实证研究框架，分析绿色金融能否助力提高城市绿色创新水平。研究发现，绿色金融可以通过优化信贷

资金配置助力清洁和非重污染行业绿色创新发展，从而能有效提升城市绿色创新水平，且经过一系列稳健性检验后该结论依旧成立。绿

色金融对城市绿色创新水平的影响作用在区域间存在显著差异，主要表现为对东部、中部和环保监管程度大的地区的绿色创新水平推动

作用更大。进一步拓展发现，绿色金融能同时实现经济效益和环境效益，即促进了经济增长并减少了污染排放。本文的启示在于：第一，

应持续强化落实绿色金融政策实施，扩大试点范围；第二，建立支持绿色信贷的政策体系，不断完善信贷制度；第三，加强区域创新联动，

推动区域创新协调发展；第四，加强环境监管并建立绿色创新扶持政策，助推行业高效协同发展。

关键词：绿色金融；资源配置；绿色创新；双重差分

中图分类号：F832.1 文献标识码：A 文章编号：1009-3540（2023）09-0020-0008

基金项目：湖北省技术创新专项软科学项目“湖北省科技型中小企业新三板市场融资效率研究”（2018ADC094）；湖北省中小企业研究

中心项目“金融科技与湖北省中小企业创新”（HBSME2022B03）；中南财经政法大学中央高校基本科研业务费专项中研究生科研创新平台

项目“环境‘费改税’与企业高质量发展”（202210408）资金资助。

■ 黄纪强 郑铿城

作者简介：黄纪强（通讯作者）（1994—），男，中南财经政法大学财政税务学院博士研究生； 郑铿城（1997—），男，中南财经政法大学财政

税务学院博士研究生。

绿色金融、资金配置与

城市绿色创新

20

部门进行绿色研发，对绿色发展具有重要的指引作

用[10]

。为助力绿色发展，实现环境保护并提高绿色

创新能力，2017年6月，国务院决定在浙江、江西、广

东、贵州、新疆五省八地设立绿色金融改革创新试验

区。本文以此为契机，采用2012—2019年287个地

级市面板数据，构建双重差分实证研究框架，评估绿

色金融对城市绿色创新的影响，并从区域与环保监

管角度探讨异质性影响差异，检验绿色金融对行业

间的金融配置效应以及创新激励效应，并进一步分

析绿色金融的经济效益与环境效益。

与现有研究相比，本文可能的边际贡献如下：第

一，研究对象新颖。以往的绿色金融研究对象基本

是采用2017年之前的政策进行分析，如2007年颁布

的绿色信贷政策、2012 年的《绿色信贷指引》以及

2015年的《能效信贷指引》。而本文采用2017年实

施的“绿色金融改革创新试验区”作为外生冲击，从

宏观层面识别了绿色金融对城市的绿色创新效应。

第二，研究方法准确。本文采用准自然实验的方法

对绿色金融进行评估，有效缓解了采用绿色信贷指

标所引发的反向因果问题，使实证结果更加准确。

第三，研究内容丰富。本文从微观企业层面佐证了

绿色金融对行业间的金融配置效应和创新激励效

应，分析了绿色金融的区域差异，并进一步拓展检验

了绿色金融的经济效益和环境效益。本研究可为持

续推动绿色金融政策改革实施，助力绿色发展，实现

经济和生态双赢提供一定的政策指导。

二、政策背景与研究假设

（一）政策背景

我国绿色信贷于2007年被首次提出，要求金融

机构加强环保和信贷管理工作的协调配合，严格执

行环保信贷并切实防范相关风险。2012 年 2 月 24

日，原中国银监会发布《绿色信贷指引》，进一步明确

了银行业绿色信贷的标准和原则。2015 年，《生态

文明综合改革方案》提出鼓励绿色信贷发展的激励

措施，即研究采用财政贴息作为促进环境保护的金

融政策工具。但由于缺乏明确的标准和政策细节、

实质性激励和刚性约束，该政策并未得到彻底推进。

2017年6月，国务院决定在五省八地开展绿色金融

改革试验，优先建设一批各有侧重①、各具特色的绿

色金融改革创新试验区，探索可复制和可推广的体

制机制经验，并将《关于构建绿色金融体系的指导意

见》作为指导绿色金融发展的顶层设计和规划性政

策。因此，绿色金融改革试验区的设立对优化信贷

资金配置，引导企业绿色创新发展具有重要影响。

（二）研究假设

中国绿色金融发展具有鲜明的“顶层设计”特

征，通过引导、干预资金投向，从而实现信贷资金配

置。面对日益严峻的环境挑战，推动高污染、高耗能

产业转型升级，构建绿色发展体系至关重要。绿色

金融限制了高污染企业的信贷资金，使高污染企业

面临更为严格的环境规制。Kudratova等[11]

认为绿色

项目比传统创新项目能为投资者带来更多利润，因

此，绿色金融很可能会增加企业的清洁能源创新投

入。Tang等[12]

指出，绿色债券有利于股东推动其公

司进入绿色相关领域，进而刺激绿色创新。Liu等[13]

认为绿色金融是支持环境友好型企业开展绿色项目

和流程的关键。从内部治理角度而言，绿色金融具

有一定监管能力，可以有效降低管理者的信息租金

抽取规模，抑制管理者利用信息优势从事自利行为，

经理人将会更加努力地开展绿色创新投资，寻求绿

色发展机会，从而推动绿色生产。如果企业积极开

展绿色创新，履行社会责任[14]

，向公众和银行传递绿

色转型信号，公司的积极治理可为其获得更多现金

流。绿色金融可通过降低企业的融资约束[15]

，获得

更多的短期或长期贷款[16]

，从而助力企业绿色发展，

有效提升城市的绿色创新能力。基于上述理论，本

文提出假设1。

H1：绿色金融能有效提高城市绿色创新水平。

绿色金融通过优化信贷资金配置，引导资源从

高污染、高耗能产业流向技术先进的部门，从而推动

清洁与非重污染行业的绿色发展。由于绿色创新需

要大量的资金投入，而清洁行业一般都是治污企业，

是绿色创新的供给方，因此，在政策实施初期，这些

企业大多会遵循成本优先战略去利用资金抢占市

场，采用差异化竞争战略进行产品创新。在信贷资

金支持下，清洁行业可以将更多资金用于绿色研

发。清洁行业可以不断进行绿色创新探索，在原有

的基础上加大绿色创新力度，绿色金融可以为清洁

行业发展提供充足的资金来源和制度保障，通过优

化信贷资金配置有效推动企业进行绿色创新，不断

提升城市的绿色创新水平。然而，绿色金融减少了

绿色经济 Green Economy

21

2023年第9期 WUHAN

FINANCE

重污染行业的信贷资金，这可能会降低企业的绿色

治理动机并减少其绿色投入，对重污染行业产生一

定的惩罚效应。此外，从“波特假说”理论可知，适当

的环境规制也可以促进企业进行技术革新[17]

。绿色

金融可以倒逼企业积极进行绿色技术研发，通过使

用更清洁的技术向银行获得绿色贷款，加速企业绿

色创新。Owen等[18]

认为，政府应采取政策促进绿色

创新，进而为企业提供外部融资。绿色金融能够通

过解决融资约束来促进企业的绿色创新进程[19，20]

。

因此，绿色金融可能会通过优化信贷资金配置极大

地推动清洁行业绿色创新发展，但对重污染行业的

创新效应尚不确定。基于此，本文提出假设2。

H2：绿色金融可能会增加清洁行业信贷资金助

力绿色创新，减少重污染行业的信贷资金，但对重污

染的绿色创新效应不确定。

三、研究设计

（一）数据来源

本文选取2012—2019年287个地级市面板数据

来评估绿色金融对城市的绿色创新效应影响，绿色

创新数据来源于中国研究数据服务平台（CNRDS），

其他城市层面的数据均来源于EPS数据库和中国城

市年鉴，企业层面数据来源于国泰安数据库。本文

对数据分年份进行了1%和99%的缩尾处理，输出结

果为stata15.1。

（二）变量选取

1.被解释变量

绿色创新（Ginnova）。专利数据可分为申请和

授权。由于专利在申请过程中可能会引发经济效果

或专利价值[21]

，因此本文采用绿色专利申请数量来

衡量城市的绿色创新水平，对绿色专利申请数量加

一进行对数化处理。

2.解释变量

绿色金融（DID）。2017 年 6 月，国务院决定在

全国浙江、江西、广东、贵州、新疆五省设立绿色金融

改革创新试验区。本文借鉴现有研究做法[14，22，23]

，设

定时间虚拟变量 time ，将2017年及之后设定为1，反

之设定为0；设定政策虚拟变量 treat ，将浙江、江西、

广东、贵州、新疆五省地区设定为1，反之设定为0。

时间虚拟变量和政策虚拟变量交互 time × treat 得到

绿色金融变量 DID 。

3.控制变量

为保证实证结果的准确性，本文控制了可能影

响城市绿色创新水平的相关变量。（1）经济发展

（LnGDP）。地方经济发展水平越高，越有能力开展

创新，选取地区生产总值对数化来反映。（2）工业发

展（Ecy）。工业发展对经济贡献巨大，选取二产业增

加值与地区生产总值比值来反映。（3）服务业发展

（Scy）。服务业推动产业转型升级具有重要影响，选

取三产业增加值与地区生产总值比值来反映。（4）开

放度（Open）。地区开放度越高表明贸易规模越大，

越容易加速创新，选取进出口总值与地区生产总值

比值来反映。（5）外商直接投资（Lnfdi）。外商直接

投资是中国经济发展的重要因素之一，可通过学习

模仿外国先进技术进行创新，选取当年实际利用外

资额对数化来反映。（6）人口规模（Lnpop）。地区人

口反映城市集聚，规模越大表明地区的经济活动越

频繁，较容易推动创新，选取地区常住人口对数化来

反映。（7）政府创新干预（Gov）。政府干预表明政府

对地方创新活动的政策支撑，选取财政支出中科技

创新投入占地区生产总值比值来反映。（8）财政支出

（Fiscalexp）。财政支出会影响企业生产行为，选取

一般预算内财政支出占地区生产总值比值来反映。

具体变量含义、符号及处理方式见表1。

表1 变量定义

变量

绿色创新

绿色金融

经济发展

工业发展

服务业发展

开放度

外商直接投资

人口规模

政府创新干预

财政支出

符号

Ginnova

DID

LnGDP

Ecy

Scy

Open

Lnfdi

Lnpop

Gov

Fiscalexp

处理方式

（城市绿色专利申请数量+1）对数化

时间虚拟变量time×政策虚拟变量treat。2017年

及之后设定time为1，反之设定为0；绿色金融改

革创新试验区省市设定treat为1，反之设定为0

地区生产总值对数化

地区第二产业增加值与地区生产总值比值

地区第三产业增加值与地区生产总值比值

地区进出口总值与地区生产总值比值

地区实际利用外资额对数化

地区常住人口对数化

地区财政支出中科技创新投入占地区生产总值

地区一般预算内财政支出占地区生产总值比值

表2为各个变量的描述性统计。城市的绿色创

新水平的均值为 7.761，标准差为 1.534，最小值为

3.989，最大值为 12.022，较大的标准差也反映出城

市之间的绿色创新水平存在较大差异。

22

表2 描述性统计

变量

绿色创新

绿色金融

经济发展

工业发展

服务业发展

开放度

外商直接投资

人口规模

政府创新干预

财政支出

观测值

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

标准差

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）模型设定

本文以 2017 年绿色金融改革创新试验区为外

生冲击，构建双重差分模型来评估绿色金融对城市

绿色创新水平的影响。具体模型设定如式（1）：

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

timet + cityi + εit

（1）

其中，i 为城市，t 为年份，Ginnovait 为被解释变

量，衡量城市绿色创新水平。 DIDit 为解释变量，衡

量绿色金融。 α1 为本文关注的核心系数，反映绿色

金融对城市绿色创新的净效应。 Xit 为一系列控制

变量，cityi × T 为控制了城市层面时间趋势效应，

timet 为时间固定效应，cityi 为城市固定效应，εit 为

误差项。

四、实证分析

（一）基准回归

表3为绿色金融对城市绿色创新政策影响的基

准回归结果。（1）列为不加控制变量的双向固定效

应，（2）到（4）列分别为加入控制变量的时间固定效

应、城市固定效应和双向固定效应。从表3的实证

结果可知，绿色金融显著推动了城市的绿色创新水

平，均通过了1%的显著性水平检验，表明继续落实

强化绿色金融政策有利于推动城市创新发展[24，25]

。

因此，本文的假设1得到验证。

（二）平行趋势检验

进行平行趋势检验以避免绿色金融对城市绿色

创新水平的效应是源于其他政策效应引起的。具体

而言，如果在政策实施之前，实验组和对照组之间的

绿色创新水平便存在显著差异，则表3中（4）列基准

回归估计的结果可能会存在偏误。为证实这一政策

效果确实是由于绿色金融引发的，需要保证在政策

实施之前实验组和对照组不存在显著差异，当政策

实施之后实验组绿色创新水平显著高于对照组。图

1A和图1B分别为无控制变量和有控制变量的平行

趋势检验图。从图中可以看出，在政策实施之前，实

验组和对照组之间的绿色创新水平围绕0值上下波

动，未通过 5%的显著性水平检验。在政策实施之

后，实验组的绿色创新水平显著高于对照组，通过

5%的显著性水平检验，平行趋势检验通过。

图1 平行趋势检验

（三）稳健性检验

为保证实证结果的可信性，本文进行了一系列

稳健性检验。表 4（1）列排除了其他可能的政策影

响。自2008年起，国家明确提出创新型城市目标。

该政策的提出对推动城市创新发展，依靠科技、知识

和人力等要素激发城市创新具有重要意义[26]

。因

此，表4（1）列构建创新型城市（Innovacity）虚拟变量

纳入模型进行控制。由于创新专利的研发产出存在

一定的周期，虽然本文采用的是专利申请数据，在一

表3 基准回归

变量

DID

控制变量

趋势效应

时间固定

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：*、**、***分别表示在10%、5%、1%的水平上显著，括号中为标

准误，模型均采用地级市层面进行聚类标准估计。下表同。

绿色经济 Green Economy

23

2023年第9期 WUHAN

FINANCE

定程度上有效缓解了专利授权数据长周期的影响，

但专利的研发与申请往往存在一定的滞后，因此表

4（2）列引入绿色专利的滞后项，将滞后一阶的绿色

专利数据（L.1Ginnova）纳入模型进行控制。由于直

辖市、省会城市和副部级城市的行政级别、经济禀赋

与市场环境等因素对创新均具有较大影响，因此表

4（3）列剔除了直辖市、省会城市和副部级城市进行

分析。本文采用地级市层级进行聚类标准估计，由

于同一个省份下的地级市往往会受到省份的政策影

响，因此同一省份下的地级市会存在较大的相关，但

是省份之间较为独立，因此表4（4）列采用省级层面

进行聚类估计，这样不会由于样本相关性而影响估

计结果的误差，可以提高估计的有效性[27]

。值得注

意的是，改变聚类形式不会改变系数大小，表3（4）

列与表 4（4）列的系数大小一致。绿色金融实施省

市很可能会受到样本本身特征的影响，如地区的经

济发展水平、创新初始禀赋等，于是表4（5）列采用

PSM-DID克服这一因素的影响。本文采用Logit模

型进行回归，协变量与控制一致，采用1∶1临近匹配

方法，剔除未匹配的样本进行回归。从表4的（1）到

（5）列结果可知，经过一系列稳健性检验后发现绿色

金融依旧能显著推动城市的绿色创新水平。

表4 稳健性检验

变量

DID

Innovacity

L.1Ginnova

控制变量

趋势效应

时间固定

城市固定

_cons

R2

N

(1)

排除创新型

城市政策

0.1685***

(0.0563)

0.0211

(0.0384)

是

是

是

是

2.6022***

(0.8701)

0.6175

2296

(2)

引入滞后项

0.1201***

(0.0454)

0.3432***

(0.0254)

是

是

是

是

3.9184***

(0.8003)

0.8444

2009

(3)

仅地级市

0.1879***

(0.0632)

是

是

是

是

2.1841**

(0.9114)

0.6746

1807

(4)

省级聚类

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）异质性检验

1.区域异质性

我国东部和中部地区的资源禀赋和市场环境优

于西部地区，绿色金融所引发的政策效果也难免会

存在差异。因此，本文检验了绿色金融对区域创新

的异质性模型，表5的（1）到（3）列分别检验了绿色

金融对东部、中部和西部地区的城市绿色创新水

平。从实证结果可知，绿色金融显著推动了东部地

区和中部地区的绿色创新水平提高，分别通过了5%

和1%的显著性水平检验，而对西部地区的绿色创新

的政策效果还未体现。

2.环保监管异质性

绿色金融旨在合理配置信贷资源，引导资源从

高污染、高耗能产业流向技术先进部门，实际上加强

了重污染行业的环境规制。为此，本文检验了绿色

金融对环保监管程度不同地区的绿色创新水平影

响，本文采用地区的环保处罚案件进行衡量，将高于

环保处罚中位数的地区定义为环保监管强地区，反

之设定为环保监管弱地区。从表5的（4）和（5）列可

知，绿色金融显著提高了环保监管强地区的绿色创

新水平，通过了5%显著性水平检验，对环保监管弱

地区的绿色创新影响不显著。绿色金融通过强化环

保监管，倒逼企业进行绿色转型，显著推动了城市绿

色创新。

表5 异质性检验

变量

DID

控制变量

趋势效应

时间固定

城市固定

_cons

R2

N

(1)

东部

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)

环保监管强

0.1417**

(0.0654)

是

是

是

是

2.1314*

(1.1527)

0.5233

1139

(5)

环保监管弱

0.0933

(0.0963)

是

是

是

是

1.2352**

(0.5811)

0.4865

1157

（五）安慰剂检验

城市绿色创新水平除了受到相关变量、政策影

响外，还需要排除随机性结果。为此，本文通过随机

设定政策时点和随机设定政策地区进行安慰剂检

验，图2A和图2B分别为随机设定政策时点和随机

设定政策地区，重复500次安慰剂检验，得到的估计

系数和 p 值的概率密度分布图。从结果可知，表 3

24

（4）列的真实估计值显著异于安慰剂检验得到的系

数，且系数基本服从均值为0的正态分布。由此可

以认为，实证结果不是随机性结论，结果是可信的。

图2 安慰剂检验

五、机制检验与拓展分析

（一）机制检验

绿色金融对优化银行信贷资金以及资本市场资

金配置具有重要影响。绿色金融为节能环保、清洁

生产和绿色交通等行业提供了项目投融资，并通过

绿色债券和绿色股票指数助力清洁行业发展。绿色

金融鼓励更多的银行及社会资金流入绿色产业，同

时由于绿色金融加大了重污染行业的授信门槛与监

管，其融资水平会相应降低，因此可能会有效抑制资

金配置到重污染行业。为检验绿色金融政策能否实

现资金重新配置，表6检验了绿色金融对企业的信

贷资金及行业之间的专利产出的影响。本文控制了

企业规模（Lnsize）、年龄（Lnage）、负债率（Debt）、资

产回报率（ROA）和企业所有制（SOE）因素。企业规

模采用企业年末总资产对数化表示，年龄采用企业

成立年龄加一的对数化表示，负债率采用企业总负

债与总资产比值表示，资产回报率采用税后净利润

与总资产比值表示，所有制分为国有和非国有企业。

借鉴现有做法[28]

，采用有息债务与期初总资产

比值来反映企业的有息债务水平，其中有息债务包

括短期和长期借款以及一年内到期的非流动负债和

应付债券。从表 6（1）和（2）列可以发现，绿色金融

显著降低了重污染行业有息债务融资水平，有效促

进了清洁和非重污染行业的有息债务融资水平，且

结论均通过了1%的显著性水平检验。因此，绿色金

融能重新配置银行信贷资金，通过引导资金流向清

洁生产行业助推城市绿色创新发展。由于绿色金融

对高污染企业资金进行了限制，相当于施加了更为

严格的环境规制效果，重污染企业生产压力将会变

大。换言之，绿色金融的环境规制性质极有可能通

过信贷资金的配置降低企业的绿色创新水平，也有

可能倒逼企业进行绿色生产以避免被市场淘汰，通

过绿色研发创新转型升级降低污染物排放，进而提

高企业的绿色创新水平。

表6的（3）和（4）列检验了绿色金融对行业间专

利产出的差异影响，结果发现绿色金融对重污染行

业的绿色创新并无显著的促进作用，但也没有显著

降低其绿色创新，绿色金融显著促进了清洁与非重

污染行业的绿色创新产出。因此，绿色金融可以通

过优化信贷资金配置，将更多的资金用于清洁和非

重污染行业进而激励企业进行绿色生产，通过清洁

和非重污染行业的绿色创新战略促进城市绿色发

展。因此，本文假设2得到验证。

表6 机制分析

变量

DID

lnsize

Lnage

Debt

ROA

SOE

趋势效应

时间固定

城市固定

_cons

R2

N

(1)

重污染行业

有息债务融资

-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)

清洁和非重污染行

业有息债务融资

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)

重污染行业

专利产出

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)

清洁和非重污染行

业有息债务融资

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，创新是引领科技发展和经济发展的第

一动力，绿色金融推动城市绿色发展可能会产生经

济效率；另一方面，绿色金融兼顾绿色导向，将对环

境产生不容忽视的影响。因此，本文进一步探讨绿

色金融所引发的经济效益和环境效益。表7的（1）

列分析了绿色金融的经济效益，采用地区生产总值

绿色经济 Green Economy

25

2023年第9期 WUHAN

FINANCE

来反映。从结果可知，绿色金融显著推动了地区的

经济增长，且通过了10%的显著性水平检验。（2）列

分析了绿色金融的环境效益，采用工业废水、工业废

气和工业粉尘占地区生产总值比重来反映，该值越

小则表明污染物排放越小。从结果可知，绿色金融

显著降低了地区的污染物排放，且通过了10%的显

著性水平检验。绿色金融能有效推动城市的绿色创

新水平，并能对城市产生经济效益和环境效率，即推

动经济增长并有效降低污染排放[29，30]

。

表7 拓展分析

变量

DID

趋势效应

控制变量

时间固定

城市固定

_cons

R2

N

(1)

经济效益

0.0267*

(0.0149)

是

是

是

是

4.3345***

(0.7732)

0.5916

2296

(2)

环境效益

-0.0031*

(0.0017)

是

是

是

是

-0.0924

(0.1092)

0.5123

2296

六、结论与建议

（一）研究结论

绿色金融对优化信贷资金配置、构建市场导向

的绿色技术创新体系具有重要的引导作用。本文以

2017年绿色金融改革创新试验区为外生冲击，采用

2012—2019年287个地级市面板数据，构建了双重

差分实证研究框架，分析绿色金融能否助力推动城

市绿色创新水平。研究发现，绿色金融可以通过优

化信贷资金配置助力清洁和非重污染行业创新发

展，从而有效提升城市绿色创新水平，且该结论通过

一系列稳健性检验后依旧成立。绿色金融政策效果

在区域间存在显著差异，主要推动了东部、中部和环

保监管程度大地区的绿色创新水平。进一步拓展发

现，绿色金融能同时实现经济效益和环境效益，促进

了经济增长并降低了污染排放。

（二）政策建议

基于上述研究结论，本文得到如下政策启示：第

一，应持续强化落实绿色金融政策实施，扩大政策试

点范围。绿色金融改革试验区的设立显著推动了城

市绿色创新水平，可将现有经验复制推广，持续推动

城市绿色创新水平。第二，构建支持绿色信贷的政

策体系，不断完善信贷制度。引导资金流向绿色企

业和绿色项目，通过再贷款和建立专业化担保机制

等措施支持绿色信贷发展，并建立绿色指标评价体

系，将环境违法信息纳入金融信用数据库，推动企业

环境治理。第三，加强区域创新联动，推动区域创新

协调发展。由于区域间经济发展和资源禀赋的差异

导致政策效果存在区域差异，应注重西部的绿色创

新支持。此外，西部地区也需要向东、中部地区借鉴

经验，助推区域创新协同发展。第四，加强环境监管

并建立绿色创新扶持政策，助推行业协同高效发

展。需建立健全相关分析预警机制，强化对绿色金

融资金运用的监督和评估。绿色金融能有效提升信

贷资金配置，引导资金向清洁行业流动从而推动绿

色发展，同时给重污染行业一定的环境规制压力。

应避免政策实施的“一刀切”，对积极进行绿色研发

创新与环境治理的重污染企业给予一定的创新补贴

和税收优惠，助力重污染企业绿色转型，实现行业之

间的协同高效发展，提高城市绿色创新水平。■

注 释

① 2019年，甘肃兰州宣布增设试验区，本文主要关注第一

批试点效果，故本文所称试点地区均指五省八区。

[参考文献]

[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] 黄纪强.税负减低如何助力企业绿色转型升级：基于重污

染行业的实证研究[J].当代经济管理，2022（1）：90-96.

[7] 黄纪强，祁毓，甘行琼.绿色税治之路：环境保护税能否降

低污染物排放?[J].经济体制改革，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] 王营，冯佳浩.绿色债券促进企业绿色创新研究[J].金融

研究，2022（6）：171-188.

[10] 张宇，钱水土.绿色金融、环境技术进步偏向与产业结构

清洁化[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，廖显春.绿色金融改革创新与企业履行社会责任：

来自绿色金融改革创新试验区的证据[J].金融论坛，2020

（10）：69-80.

[15] 谢乔昕.环境规制、绿色金融发展与企业技术创新[J].科

研管理，2021（6）：65-72.

[16] 曹廷求，张翠燕，杨雪.绿色信贷政策的绿色效果及影响

机制：基于中国上市公司绿色专利数据的证据[J].金融论

坛，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] 刘强，王伟楠，陈恒宇《. 绿色信贷指引》实施对重污染企

业创新绩效的影响研究[J].科研管理，2020（11）：100-112.

[21] 黎文靖，郑曼妮.实质性创新还是策略性创新?宏观产业

政策对微观企业创新的影响[J].经济研究，2016（4）：60-73.

[22] 王修华，刘锦华，赵亚雄.绿色金融改革创新试验区的成

效测度[J].数量经济技术经济研究，2021（10）：107-127.

[23] 张庆君，黄玲.绿色金融改革创新试验区设立能促进企

业技术创新吗?[J].经济体制改革，2023（1）：182-190.

[24] 赵娜.绿色信贷是否促进了区域绿色技术创新?基于地

区绿色专利数据[J].经济问题，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，杨思莹.创新型城市试点提升城市创新水平了吗?

[J].经济学动态，2019（8）：70-85.

[27] 黄纪强，祁毓.环境税能否倒逼产业结构优化与升级?基

于环境“费改税”的准自然实验[J].产业经济研究，2022（2）：

1-13.

[28] 苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融

资行为?[J].金融研究，2018（12）：123-137.

[29] 姚新.绿色金融对汉江生态经济带发展的作用影响研

究：基于耦合协调度模型的实证分析[J].金融发展评论，

2021（7）：27-42.

[30] 潘冬阳，陈川祺，GRUBB M.金融政策与经济低碳转型：

基于增长视角的研究[J].金融研究，2021（12）：1-19.

（责任编辑：GW / 校对：XY）

绿色经济 Green Economy

27

2023年第9期 WUHAN

FINANCE

一、引言

长期以来，完善上市公司分红制度，形成稳健、

合理、可预期的股利分配政策，是进一步健全我国资

本市场中小投资者保护体系的重要内容。为增强对

公司现金分红的引导力度，规范我国上市公司股利

分配，证监会自2001年起陆续出台了半强制分红、

强制分红等一系列股利监管政策，在一定程度上约

束了上市公司在股利分配上的机会主义空间[1]

，但

由于未能将其有效纳入公司治理体系当中，目前我

国证券市场状况仍旧不容乐观，上市公司不分配股

利、股利支付率低和股利分配政策不可预期等股利

支付状况受到学者和投资者诟病[2]

。管理层和大股

东等内部人利用信息优势和实际控制权，将企业内

部自由现金流用于在职消费、财产转移、利益输送等

掏空行为时有发生，严重影响到资本市场健康稳定

发展。

然而，作为资本市场重要的参与者，中小股东由

于“股少言轻”，加之行权的高昂成本和治理激励的

严重不足，导致其在行使自身权利方面往往非常消

极[3，4]

。面对上市公司不分红或者分红较少而使其

利益受损的行为时，难以通过正式途径（投票、提案、

提起诉讼）维护自身权益[5]

，更多地表现为“搭便车”

或“用脚投票”的被动心理和行为[6，7]

。因此，寻求一

种积极有效的中小股东“发声”方式，降低行权成本、

提高参与公司治理程度，促进上市公司提高现金股

利分配水平是重中之重，特别是在新媒体技术和证

券市场快速发展的情境下，现代化、多元化和市场化

的公司治理方式是大势所趋。

随着互联网的普及和现代通信技术的发展，中

小股东信息获取和监督渠道愈加丰富[8，9]

，投资者通

过社交媒体“发声”的方式参与公司治理成为可能[10]

。

深交所和上交所分别于2010年和2013年推出“互动

易”和“上证e互动”网络平台，构建了投资者与上市

公司双向交流的新渠道，为中小股东提供了一个可

以对上市公司进行持续、有针对性的关注并提出广

泛意见、施加压力的途径。一方面，交易所网络互动

平台为中小股东提供了与上市公司面对面沟通和交

摘 要：本文以 2010—2021 年交易所网络互动平台“问答”板块上的互动数据为样本，采用关键词提取技术构建“股利关注”指标，实

证检验了中小股东“股利关注”对企业现金股利分配的影响。研究发现，中小股东“股利关注”显著提高了企业现金股利分配水平。机制

检验表明，中小股东“股利关注”通过提高企业的公司治理水平，进而促进现金股利分配。异质性检验发现，中小股东“股利关注”对上市

公司现金分配的促进作用在机构投资者持股比例低、分析师关注度高、所处行业竞争程度强以及投资者保护水平高的企业中更显著。

关键词：中小股东；股利关注；公司治理；监督压力；现金股利分配

中图分类号：F832.5 文献标识码：A 文章编号：1009-3540（2023）09-0028-0010

基金项目：国家自然科学基金“企业‘类信贷’与金融稳定性研究”（72162030）。

■ 白俊 李婷玉 杨茜雅

作者简介：白俊（1971—），女，博士，石河子大学经济与管理学院教授，石河子大学公司治理与管理创新研究中心； 李婷玉（通讯作者）

（1998—），女，石河子大学经济与管理学院硕士研究生； 杨茜雅（1995—），女，石河子大学经济与管理学院博士研究生。

中小股东“股利关注”与

上市公司现金股利分配

——来自交易所互动平台的证据

28

流的机会[11]

，提高了信息披露的针对性和及时性，为

中小股东提供更方便、快捷的监督和“发声”渠道，降

低其行权成本，抑制了内部人的机会主义行为；另一

方面，交易所网络平台由深交所和上交所设立，具备

官方性和媒体性的特征，因而投资者关注的问题很

可能对公司产生声誉压力[12]

，降低中小股东行权的

外部性，起到外部威慑和压力作用。经统计，2010—

2021年“互动易”和“上证e互动”平台上与现金股利

相关的提问记录高达55615条，占总提问的1.33%。

由此可见，中小股东十分关注企业现金股利相关的

问题，并且更加积极地通过该平台向上市公司提出

现金股利相关咨询和建议，参与公司治理。那么，在

此情景下，中小股东通过交易所网络互动平台的“股

利关注”是否会发挥公司治理功能，维护自身权益，

进而影响上市公司现金股利分配？进一步地，中小

股东“股利关注”对上市公司现金股利分配的具体影

响机制是什么？又有什么因素会增强其作用的发

挥？本文尝试对以上问题进行解答。

本文以 2010—2020 年深交所“互动易”和上交

所“上证e互动”平台“问答”板块上的数据为样本，

采用关键词提取技术构建“股利关注”指标，实证检

验中小股东“股利关注”对上市公司现金股利分配的

影响。本文的研究贡献与创新点有以下几方面：第

一，从个人投资者的视角探讨中小股东积极“发声”

对企业决策的影响，丰富了股东积极主义相关文献

的研究视角。现有研究多关注机构投资者主动参与

公司治理对揭露企业盈余管理行为[13]

等的作用，本

文从个人投资者的视角探讨中小股东积极主义及其

对企业决策的影响，填补了相关文献的空缺。第二，

基于新媒体时代公司治理研究视角，拓展了中小股

东利用交易所网络互动平台发挥公司治理作用的认

识。现有研究更多地关注社交媒体的特质性信息披

露对于企业盈余预期准确性[9]

、股价崩盘风险[14]

和会

计稳健性[15]

的作用，忽视了社交媒体的公司治理功

能。本文从社交媒体的治理角度出发，为挖掘社交

媒体在公司治理中的价值提供了新的证据。第三，

完善了上市公司现金股利影响因素的相关文献。尽

管证监会为强化投资者利益保护、健全证券市场底

层生态结构，颁布了一系列致力于推动企业积极进

行股利分配的政策文件，但我国上市公司分红少、股

利支付率低的现状仍未改变。本文首次利用中小股

东与上市公司交易所网络平台互动数据研究其可能

对于公司股利政策的影响，为上述政策提供了理论

指引。

二、文献回顾与理论分析

（一）文献回顾

在资本市场中，侵害中小股东权益的现象屡见

不鲜，这也受到了学者们的广泛关注[16，17]

。相关公

司治理研究文献表明，上市公司管理层和控股股东

利用信息优势，通过在职消费、过度投资、商业集团

合并[18]

、资金占用[19]

、关联交易[20]

等行为进行利益输

送，形成了“壕沟效应”，对中小股东权益造成了严重

的影响。为此，证监会出台了涵盖内部与外部、市场

与法律等多个层面的保护中小股东权益的法律法

规，一定程度上维护了中小股东利益不受侵害，确保

了资本市场的稳定运行。然而与美国等资本市场发

展较为成熟的国家相比，我国的中小股东权益保护

制度还有待完善，尤其是中小股东参与公司治理的

积极性和效果仍旧不尽如人意。一方面，由于持股

比例低、地理位置分散[21]

，中小股东参与公司治理的

积极性较低[22]

，加之信息获取成本高[4]

且专业知识匮

乏[23]

，提高了中小股东参与公司治理的难度，因此中

小股东往往扮演“搭便车”的角色[15]

，对上市公司内

部治理机制的监督较弱，导致内部代理问题严重；另

一方面，法律体系不健全、制度环境不足[24]

和媒体等

监督力量薄弱等原因弱化了上市公司的外部监管。

因此，提高中小股东行权积极性、降低行权成本、改

善内外部监督治理环境是实现有效治理的关键。

在互联网和自媒体迅猛发展的背景下，社交媒

体受重视程度逐渐超越报纸、广播、电视等传统媒

体，发挥出越来越大的作用。“互动易”和“上证e互

动”平台作为官方运营的证券类社交媒体，为投资者

尤其是中小股东提供了与上市公司沟通、交流的机

会，为中小股东参与公司治理提供了渠道。Chau等[10]

基于“互动易”问答数据，分析发现11.7%的投资者

通过发表观点对上市公司经营情况和相关决策进行

质疑，10.7%的投资者则提出改进方法与建议，这表

明投资者不仅密切关注企业的决策行为，而且愿意

通过交易所网络平台获取信息，积极参与公司决策，

发挥治理功能。已有对中小股东网络平台互动对上

市公司的决策行为影响的研究主要集中于网络平台

提供的信息传递和监督功能，其会抑制非金融企业

金融化[25]

，提高企业现金持有水平[26]

，增强高管未来

投资证券保险 Investment Stock & Insurance

29

2023年第9期 WUHAN

FINANCE

业绩薪酬敏感性[27]

，促进企业提高创新水平[28]

等。

综上可知，中小股东在公司治理中天然的劣势

地位以及监管的不完善注定其难免遭受大股东和管

理层的利益侵占[15]

，而网络互动平台的出现有助于

促进企业与投资者之间的沟通与交流[11]

，拓宽中小

股东借此主动“发声”和维护自身权益的机会[22]

，为

完善中小股东参与公司治理提供新途径。借助交易

所网络平台的交流互动功能，中小股东参与公司治

理的能力得到有效提升。因此，本文以上市公司现

金股利分配为切入点，实证检验中小股东“股利关

注”的具体影响。

（二）理论分析与假设提出

首先，中小股东“股利关注”通过提升中小股东

的信息获取与解读能力、缓解现金流层面的信息不

对称，从而改善中小股东的监督能力，发挥治理作

用，提高企业现金股利分配水平。长期以来，由于投

资者权益保护制度的不完善，中小股东难以及时准

确地获取上市公司经营状况的信息，面对管理层和

控股股东将企业资金用于集团合并[18]

、在职消费[19]

、

关联交易[20]

等利益输送行为时往往采取“搭便车”的

策略[22]

。随着社交媒体的发展和信息渠道的畅通，

中小股东在交易所网络互动平台与上市公司“面对

面”沟通和互动成为可能[29]

。企业通过回复中小股

东提问，能够帮助中小股东更加便捷地了解企业经

营状况，提升其信息获取和解读能力，缓解中小股东

与企业间的信息不对称[30]

。具体到现金股利，当中

小股东在交易所网络互动平台上提出关于现金股利

的问题，表现出“股利关注”时，更多与企业现金股利

相关的信息及时地被中小股东“捕获”。这一方面提

高了投资者对于企业的关注程度与了解程度，促使

其更多地参与管理企业的股利政策，以保护自身获

取投资收益的权利；另一方面导致企业内部人谋取

私利的成本增加，进而收敛其对上市公司现金流进

行利益输送的机会主义行为，在客观上有助于迫使

企业通过现金股利发放这一途径来实现企业利润的

共享，将自由现金流作为现金股利支付给投资者。

其次，中小股东在互动问答过程中的“股利关

注”会给上市公司带来关注压力，对企业行为形成有

效威慑，从而发挥治理作用，提高企业现金股利分配

水平。现金股利政策作为上市公司投融资的关键环

节之一，是中小股东获取投资收益的重要方式，也是

社交媒体上的高频讨论话题。基于交易所网络互动

平台的迅捷性、公开性、互动性、及时性等特点[5]

，中

小股东通过该平台更频繁地就现金股利相关问题表

达诉求，对于可能损害个人利益的行为积极讨论并

发表意见[31]

。借助交易所网络互动平台，中小股东

对企业现金股利分配相关问题的高热度、高频率发

帖会引发更多投资者对公司信息的关注，进而导致

企业面临巨大的舆论威慑压力和声誉压力。若上市

公司对中小股东“股利关注”相关问题避而不谈，或

者不能及时采取合理、有效的应对措施，可能会面临

更多的吐槽和负面评价，不但严重影响企业声誉，还

可能引发股价下跌等一系列影响企业后续正常经营

的问题，给企业带来巨大损失。因此，为了与外部利

益相关者保持良好的关系，避免声誉损失[32]

，企业经

营者在行为决策中可能更注重维护监督方的利益而

约束自身的逆向选择，有动机通过慷慨且稳定的现

金股利发放来树立良好企业形象。

综上，中小股东“股利关注”发挥能够发挥治理

作用，促进上市公司的现金股利分配。基于此，本文

提出如下假设：

H：中小股东“股利关注”提高了上市公司现金

股利分配水平。

三、变量设计

（一）数据来源与样本处理

由于“互动易”和“上证e互动”分别于2010年和

2013年开始投入使用，因此本文以2010年作为样本

起始年份。以 2010—2021 年交易所网络互动平台

“问答”板块上的互动数据为研究样本，剔除了资不

抵债、ST和*ST、金融行业以及主要财务数据缺失的

企业后，最终得到29179个有效观测值。中小股东

“股利关注”数据源于中国研究数据服务平台

（CNRDS），其余数据均源于国泰安数据库。此外，

本文对所有连续型变量进行上下1%的缩尾处理，以

消除离群值的影响。

（二）变量定义

1.被解释变量：股利分配

参考吕纤等[33]

的研究，本文采用现金股利支付

率（Div）来衡量上市公司的股利分配水平，计算公式

为：现金股利支付率=每股现金股利/每股收益。

2.解释变量：中小股东“股利关注”

交易所网络互动平台“问答”板块具有较强的互

动性，中小股东在该板块上的提问数量往往代表了

30

其对上市公司的关注度。相应地，中小股东对现金

股利相关的提问数量越高、占总提问数量的比重越

大，说明中小股东对上市公司现金股利越关注。本

文对于中小股东“股利关注”的具体构建方法如下：

首先，参考吕纤等[34]

的研究，设定“分红”“红利”“派

息”“股息”“派现”“股利”作为与现金股利相关的关

键词词库。其次，基于构建的“股利词库”，采用关键

词提取技术，将中小股东提问的内容划分为与现金

股利相关的提问和其他提问，统计每个企业每一年

度内与现金股利相关的提问数量（DivN）。最后，参

考潘红波等[28]

的研究，采取现金股利提问数量加 1

后取自然对数所得值（DivAtt）来度量中小股东“股

利关注”。此外，在稳健性检验中，采用股利提问数

量占企业总提问数量的比值（DivRatio）来度量中小

股东“股利关注”。

3.控制变量

参考李学峰等[35]

的研究，本文控制了公司规模

（Size）、资产负债率（Lev）、股权集中度（Top1）、股权

性质（SOE）、董事会规模（Board）、盈利能力（Roa）、

企业年龄（Age）、经营现金流（Cfo）、两职合一（Du⁃

al）、独立董事比例（Indepratio）、董事会会议次数

（Meet）。变量名称、符号及定义如表1所示。

表1 变量定义与计量

变量类型

被解释

变量

解释变量

控制变量

变量名称

现金股利支付率

股利关注

企业年龄

股权集中度

经营现金流

公司规模

资产负债率

盈利能力

董事会规模

独立董事比例

董事会会议次数

股权性质

行业虚拟变量

年份虚拟变量

变量符号

Div

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

Ind

Year

变量定义

每股现金股利/每股收益

现金股利提问数量加1后取自然对数

（观测年份-成立年份+1）的自然对数

第一大股东持股/总股本

经营活动产生的现金净额/年末资产

总额

总资产的自然对数

总负债/总资产

净利润/总资产

董事会人数的自然对数

独立董事个数/董事会规模

企业召开董事会会议的次数

国有企业取 1，否则取 0

控制不同行业经济因素的影响

控制不同年份经济因素的影响

（三）模型设计

本文构建了模型（1）检验中小股东“股利关注”

对企业现金股利分配的影响。其中，Div 表示企业

现金股利支付率，DivAtt 为中小股东“股利关注”变

量，Controls为控制变量。此外，模型还控制了行业

和时间因素对回归结果的影响。如果假设成立，则

模型（1）中“股利关注”变量的系数α1应当显著为正。

Div = α0 + α1DivAtt + α2Controls +

α3 Ind + α4Year + ε （1）

四、实证结果及分析

（一）描述性统计

表2是变量的描述性统计结果。可以发现，现

金 股 利 支 付 率（Div）的 均 值 为 0.284，标 准 差 为

0.304，说明我国上市公司整体的现金股利支付率较

低，且不同企业的股利支付率存在较大差异，“铁公

鸡”与“高分红”公司同时存在。股利关注（DivAtt）

的最小值为0.000，最大值为6.188，说明中小股东在

交易所网络互动平台上对不同企业的现金股利分配

政策关注程度差异较大。

表2 描述性统计

变量

Div

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

因变量

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

标准差

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

中位数

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）基本回归分析

表3 为模型（1）的多元回归结果。（1）列未加入

相关控制变量，股利关注（DivAtt）对现金股利支付

率（Div）的回归系数为0.014，且在1%的水平上显著

为正。（2）列加入控制变量后，股利关注（DivAtt）对

现金股利支付率（Div）的回归系数虽然有所降低，但

仍在1%的水平上显著正相关。以上结果表明，中小

股东通过交易所网络平台对现金股利关注度越高，

企业现金股利支付率也越高，即中小股东“股利关

注”有助于促进上市公司现金股利分配，假设H得到

验证。

投资证券保险 Investment Stock & Insurance

31

2023年第9期 WUHAN

FINANCE

表3 基本回归结果

变量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的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：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显

著。下表同。

（三）单变量检验

表 4 以中小股东“股利关注”的均值为标准分

组，对比企业现金股利分配在两组间的均值差异。

结果表明，中小股东“股利关注”较高一组的企业现

金股利分配在1%的水平上显著高于中小股东“股利

关注”较低一组的企业现金股利分配，即相对于较少

的中小股东“股利关注”，较多的中小股东“股利关

注”能够促进更多的现金股利分配。

表4 单变量检验

变量

DivAtt

Low

样本数

17292

均值

0.000

High

样本数

11887

均值

1.319

均值检验

-1.319***

（四）稳健性检验

1.内生性问题

首先，虽然本文控制了影响股利分配的常见变

量，但仍有可能存在遗漏变量问题。因此，本文采用

倾向得分匹配法（PSM）缓解内生性问题。具体来

说，根据中小股东“股利关注”（DivAtt）的中位数，本

文将样本划分为“股利关注”强和“股利关注”弱两

组，采用最近邻匹配法进行1∶1匹配，将匹配后的样

本代入模型（1）进行重新回归。为保证匹配样本的

可靠性，本文进行了平衡性检验。检验结果如表5

所示，匹配后的处理组和控制组两组均值差异特征

出现了大幅减少，说明样本匹配效果明显。表6（1）

列的回归结果显示，中小股东“股利关注”（DivAtt）

的系数显著为正，说明在控制了遗漏变量导致的内

生性问题后，中小股东“股利关注”仍然显著促进了

上市公司的现金股利分配。

其次，中小股东是否在交易所网络平台上与上

市公司就现金股利相关问题进行互动会受到很多因

素的影响。为缓解中小股东“股利关注”的自选择问

题，参考杨凡等[30]

的研究，本文采取Heckman两阶段

模型进行检验。第一阶段，以中小股东“股利关注”

（DivAtt）的中位数构造出的 DDivAtt 哑变量作为被

解释变量，以企业年龄（Age）、股权集中度（Top1）、

经营现金流（Cfo）、企业规模（Size）、资产负债率

（Lev）、盈利能力（Roa）作为解释变量进行回归；第二

阶段，将第一阶段回归得到的逆米尔斯比率（IMR）

加入模型（1）中进行重新估计。表6（2）列显示了第

二阶段回归结果，中小股东“股利关注”（DivAtt）在

1%的水平上显著为正，说明在考虑样本自选择问题

后，中小股东“股利关注”对上市公司现金股利分配

的促进作用依旧存在，原回归结果稳健。

最后，上市公司现金股利分配水平越高，越可能

吸引中小股东在交易所网络平台表达对股利的关

注。为了尽可能地缓解这一反向因果问题，参考陈

华 等 [36]

的 研 究 ，本 文 以 移 动 电 话 普 及 率（Mobi⁃

leTelPop）作为工具变量。移动电话普及率反映了地

区网络基础设施覆盖度，不会直接对上市公司现金

股利政策产生影响，满足外生性要求；在股民和网民

高度耦合的态势下，中小股东通过移动电话等途径

了解上市公司信息、表达自身诉求已成为常态，能正

向影响中小股东在交易所网络互动平台进行互动讨

论，满足相关性要求。工具变量的回归结果见表6

（3）列，中小股东“股利关注”（DivAtt）的系数显著为

正，表明在控制了反向因果问题后，中小股东“股利

关注”对上市公司现金股利分配的促进作用仍旧存

32

在，再次验证了结论的稳健性。

2.其他稳健性检验。

首先，更换解释变量的度量方式。以股利提问

数量占企业总提问数量的比值（DivRatio）度量中小

股东“股利关注”，重新对被解释变量进行回归。如

表7（1）列所示，DivRatio的系数为0.615，依旧在1%

水平上显著为正。

其次，改变被解释变量的度量方法。构建股利

分配虚拟变量 Dum_div（若该公司本年度进行了现

金股利分配则取1，否则为 0），重新进行回归。如表

7（2）列所示，DivAtt的系数依旧显著为正。

最后，改变时间研究窗口。考虑到“互动易”平

台于2010年1月正式使用，在运行初期，“互动易”并

未受到投资者的广泛关注，中小股东和上市公司互

动交流信息较少。因此，参考潘红波等[28]

的研究，本

文剔除2010年的数据并进行重新回归。回归结果

见表7（3）列，DivAtt的系数依旧显著为正。

表5 平衡性检验

变量

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

实验组

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

控制组

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

标准偏差

（%）

-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

标准偏差

减小幅度

（%）

88.200

86.700

73.500

74.400

89.700

94.000

69.700

64.800

82.000

84.900

t统计量

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 内生性问题

变量

DivAtt

IMR

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的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)

工具变量

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 其他稳健性检验

变量

DivAtt

DivRatio

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的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

投资证券保险 Investment Stock & Insurance

33

2023年第9期 WUHAN

FINANCE

五、机制检验

前文通过实证检验了中小股东“股利关注”对企

业现金股利政策的促进作用，但其具体作用机制还

未得到验证。正如前文理论分析所述，中小股东“股

利关注”可能通过提高中小股东监督水平和企业舆

论压力发挥治理作用，进而提高企业现金股利分

配。为了进一步明确中小股东“股利关注”对企业现

金股利的影响机制，本文参考马慧等[37]

的研究，采用

下列模型进行机制检验。首先，通过模型（2）估计中

小股东“股利关注”对机制变量（Ｍ）的影响；其次，通

过模型（3）分析第一阶段得出的预测机制变量（M̂）

对企业现金股利政策的影响。

M = β0 + β1DivAtt + β2Controls +

β3 Ind + β4Year + ε （2）

Div = γ0 + γ1M̂+ γ2Controls +

γ3 Ind + γ4Year + ε （3）

其中，M为机制变量。借鉴周茜等[38]

的方法，本

文以基于主成分分析法构建的公司治理水平（Gov⁃

ernance）作为衡量指标。Governance越大，说明公司

治理水平越高。其余与模型（1）保持一致。β1表示

中小股东股利关注对机制变量的影响程度，γ1表示

由中小股东“股利关注”驱动的机制变量对现金股利

政策产生的影响。

表8是机制检验的回归结果。（1）列中，DivAtt的

系数显著为正，表明中小股东“股利关注”越高，企业

公司治理水平越高，即中小股东“股利关注”提高了

企业治理水平，与预期一致。（2）列中，Gov



ernance

的系数显著为正，表明中小股东“股利关注”导致的

企业治理水平越高，企业现金股利发放水平也越高，

即提高公司治理水平是中小股东“股利关注”提高企

业现金股利发放的重要路径。

六、异质性分析

前文机制检验表明，中小股东“股利关注”通过

发挥治理作用进而提高上市公司现金股利分配，但

对于这种正向关系的影响因素仍需进一步探究。为

此，本文将从机构投资者持股、分析师关注度、行业

竞争程度以及投资者保护水平等方面进行异质性分

析，探究异质性因素对中小股东“股利关注”促进现

金股利分配的影响。

（一）机构投资者持股

机构投资者与中小股东虽属于上市公司的外部

股东，但二者在信息能力上存在着根本差异。相比

于中小股东，机构投资者信息获取渠道众多，信息解

读专业性更强，能够通过实地调研等方式参与公司

治理，进而影响企业决策。因此，当机构投资者持股

比例较高时，通过交易所网络互动平台开展互动的

中小股东较少，“股利关注”发挥的治理作用有限。

而当机构投资者持股比例较低时，企业内股东构成

多为中小股东，既缺乏了解公司经营状况的渠道，也

难以面对面向上市公司表达诉求。此时，中小股东

更依赖交易所网络互动平台与上市公司交流，对关

乎个人利益的现金股利政策“发声”，发挥监督治理

作用，进而影响企业现金股利分配。本文以机构投

资者持股比例（INST）的中位数将样本分为机构投

资者持股比例高（INST=1）和低（INST=0）两组进行

回归。表9（1）和（2）列为机构投资者持股比例的分

组回归结果。可以看出，中小股东“股利关注”的系

表8 机制检验

变量

DivAtt

Gov



ernance

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的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

数在机构投资者持股比例低的组显著为正，而在持

股比例高的组并不显著，表明中小股东“股利关注”

对企业现金股利的促进作用在机构投资者持股比例

较低的企业中表现更为明显。

（二）分析师关注

分析师作为资本市场中重要的信息中介和外部

监督力量，对中小股东“股利关注”与上市公司现金

股利政策之间的关系具有重要影响。随着分析师关

注度的增加，一方面，分析师能以信息挖掘者的角色

将公司特质信息充分地释放到资本市场中，中小股

东通过分析师报道获得企业现金股利政策相关信

息，并对企业内部人的自由现金流掏空行为加以限

制；另一方面，通过实地调研、参加会议等形式，分析

师能够更加密切地监督企业内部人因自利动机而引

起的机会主义行为，起到“放大镜”作用。因此，分析

师关注度越高，企业所受到的监督治理水平越高，此

时中小股东通过交易所网络互动平台发表“股利关

注”，能够更加及时、准确地获取信息，监督企业行

为，进而影响股利分配决策。基于此，本文预期，中

小股东“股利关注”对企业现金股利的促进作用在分

析师关注度高的企业中表现更显著。参考陈华等[36]

的研究，本文以分析师关注人数（Analyst）的中位数，

将样本分为分析师关注度高（Analyst=1）和低（Ana⁃

lyst=0）两组，分别进行回归。表 9（3）和（4）列为分

析师关注的分组回归结果。结果显示，中小股东“股

利关注”的系数在分析师关注度高的组显著为正，而

在分析师关注度低的组不显著，表明中小股东“股利

关注”对企业现金股利的促进作用在分析师关注度

高的企业中表现更为明显。

（三）行业竞争

行业竞争在影响企业外部经营决策环境的同

时，也对中小股东利用交易所网络互动平台发挥治

理作用产生重要影响。首先，行业竞争为中小股东

“股利关注”发挥监督治理作用创造更规范的外部环

境。处于高行业竞争程度的企业市场信息透明度更

高，降低了监督成本，起到外部治理效应[39]

。在这种

情况下，中小股东“股利关注”能更加及时地获取企

业现金股利相关信息，对企业内部人机会主义行为

起到监督作用，迫使其提高现金股利分配水平。其

次，行业竞争程度会影响企业对中小股东等利益相

关者的关注。激烈的行业竞争产生较大的经营压

力，企业的危机意识和竞争意识也会更强，为了维系

企业声誉和股价稳定，企业更有动机满足中小股东

的要求，以保持竞争优势。参考金龙等[40]

的研究，本

文采用基于营业收入构建的勒纳指数作为行业竞争

程度（Lerner）的衡量指标，该变量取值越小，表示行

业竞争水平越高。表 10（1）和（2）列是根据样本行

业竞争程度（Lerner）的年度均值将其分为行业竞争

度高（Lerner=0）和低（Lerner=1）两组的回归结果。

结果显示，中小股东“股利关注”的系数在行业竞争

度高的组显著为正，而在行业竞争度低的组不显著，

表明中小股东“股利关注”对企业现金股利的促进作

用在行业竞争度高的企业中表现更为明显。

（四）投资者保护水平

我国地域辽阔，不同地区投资者保护水平差异

较大。中小股东“股利关注”对企业现金股利政策影

响的实际效果与企业所在地区的投资者保护水平有

密切关系。在相对健全、有效的投资者保护地区，完

善的法律保护与监管体系为较高的信息透明度提供

表9 异质性检验：基于机构投资者持股和分析师关注

变量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的R2

组间差异

(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

投资证券保险 Investment Stock & Insurance

35

2023年第9期 WUHAN

FINANCE

了制度保障，市场中各种交易行为与行业规范会更

加透明，企业一旦失信于中小股东，将会受到法律惩

罚。因此，在较为健全的投资者保护水平下，中小股

东“股利关注”发挥的治理作用能得到有效保障，最

大限度地约束市场上的机会主义行为，迫使企业提

高现金股利分配水平。而在投资者保护水平较弱的

地区，法律制度、监管机制不健全，契约执行成本较

高，中小股东“股利关注”的治理作用无法有效发挥，

对现金股利政策的影响较弱。参考王小鲁等[41]

的研

究，采用《中国分省份市场化指数报告》中“市场中介

组织的发育和法律制度环境指数”衡量企业所处地

区的投资者保护水平（Law），并根据投资者保护水

平（Law）均值将样本分为投资者保护水平高（Law=

1）和低（Law=0）两组进行回归。表10（3）和（4）列为

投资者保护水平的回归结果。可以看出，中小股东

“股利关注”在投资者保护水平高的组中更显著，表

明中小股东“股利关注”对企业现金股利的促进作用

在投资者保护水平高的企业中表现更为明显。

七、结论与启示

在现代信息技术和社交媒体不断发展的背景

下，中小股东参与公司治理的方式发生了巨大变化，

基于社交媒体的信息沟通成为中小股东新的“发声”

和行权的渠道。本文以 2010—2021 年沪深交易所

网络互动平台“问答”板块上的互动数据为样本，采

用关键词提取技术构建“股利关注”指标，实证检验

中小股东“股利关注”对上市公司现金股利分配的影

响，以及不同情境下上述效果的作用差异。研究发

现：中小股东“股利关注”促进了上市公司现金股利

分配；机制检验表明，中小股东“股利关注”通过发挥

治理作用，进而提高现金股利分配。异质性检验发

现，中小股东“股利关注”对上市公司现金分配的促

进作用在机构投资者持股比例越低、分析师关注度

越高、所处行业竞争较强以及投资者保护水平高的

企业中更显著。

本研究的启示在于：首先，提高投资者网络互动

平台互动是实现公司治理的有效路径之一。交易所

通过网络互动平台这种基于网络媒介的信息交流机

制将问询的权利交给了投资者，拉近了上市公司与

投资者的距离，为中小股东行权提供了便利。在互

联网信息发展背景下，中小股东应当认识到交易所

网络平台对其参与公司治理发挥的重要作用，对于

与自身利益息息相关的事件，应充分重视网络平台

互动交流方式，成为公司治理的主动发声者和积极

参与者，积极维护自身合法权益及合理利益诉求。

其次，现金分红作为企业利润分配的重要形式，是上

市公司中小股东获取回报的主要方式之一，也是培

育中小股东长期投资理念、增强资本市场吸引力的

重要途径。上市公司应充分认识发放现金股利的重

要性与必要性，在调整现金股利分配水平时应广泛

参考中小股东的意见、建议，保障投资者的投资收

益。最后，监管部门应不断健全投资者保护相关法

律，规范制度信息披露，积极利用现代化信息技术手

段引导市场中各类主体参与沟通交流，同时鼓励上

市公司通过各类信息媒介与企业投资者进行交流，

披露相关信息，为实现交易所预期的市场化监管的

“落脚点”提供支撑。■

表10 异质性检验：基于行业竞争和投资者保护水平

变量

DivAtt

Age

Top1

Cfo

Size

Lev

Roa

Board

Indepratio

Meet

SOE

常数项

行业&年份

样本量

调整的R2

组间差异

(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

[参考文献]

[1] 罗琦，孔维煜，李辉.上市公司发放现金股利的价值效应：

基于委托代理问题视角的实证研究[J].改革，2020（5）：108-

121.

[2] 吴纬地.半强制股利政策与上市公司股利分配[J].财会通

讯，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] 曾爱民，吴伟，吴育辉.中小股东积极主义对债券持有人

财富的溢出影响：基于网络投票数据的实证研究[J].金融研

究，2021（12）：189-206.

[5] 杨晶，沈艺峰，熊艳“. 散户”积极主义与公司现金股利政

策：以舆论关注为研究视角[J].厦门大学学报（哲学社会科

学版），2017（2）：106-117.

[6] 胡茜茜，朱永祥，杜勇.网络环境下中小股东的治理效应

研究：基于代理成本视角[J].财经研究，2018（5）：109-120.

[7] 孔东民，刘莎莎，黎文靖，等.冷漠是理性的吗?中小股东

参与、公司治理与投资者保护[J].经济学（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，吕长江，陈运佳.投资者信息能力：意见分歧与股价

崩盘风险——来自社交媒体“上证e互动”的证据[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，韩洁，等.媒体关注与税收激进：基于公司

治理视角的考察[J].管理科学，2016（2）：104-121.

[13] 于忠泊，田高良，齐保垒，等.媒体关注的公司治理机制：

基于盈余管理视角的考察[J].管理世界，2011（9）：127-140.

[14] 李文贵，路军.网络平台互动与股价崩盘风险：“沟通易”

还是“操纵易”[J].中国工业经济，2022（7）：178-196.

[15] 罗劲博，熊艳.中小股东“在线发声”与企业会计稳健性：

来自雪球论坛的证据[J].财经研究，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] 贾莹丹.中小股东异议的公司治理效应：来自审计师改

聘议案的证据[J].审计研究，2015（1）：99-105.

[22] 郑国坚，蔡贵龙，卢昕“. 深康佳”中小股东维权：“庶民的

胜利”抑或“百日维新”?一个中小股东参与治理的分析框架

[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，Finance，and Eco⁃

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

2005，77（1）：57-116.

[25] 高敬忠，杨朝.网络平台互动能够抑制实体企业金融化

吗?来自交易所互动平台问答的经验证据[J].上海财经大学

学报，2021（5）：50-64+106.

[26] 杨兴全，程慧慧.网络平台互动如何影响公司现金持有?

来自交易所互动平台的证据[J].现代经济探讨，2023（1）：

54-69.

[27] 窦超，罗劲博.中小股东利用社交媒体“发声”能否改善

高管薪酬契约[J].财贸经济，2020（12）：85-100.

[28] 潘红波，杨海霞.利益相关者“创新关注”促进了企业创

新吗：来自深交所“互动易”的证据[J].南开管理评论，2022

（3）：85-96.

[29] 高敬忠，杨朝.网络平台互动能够抑制实体企业金融化

吗?来自交易所互动平台问答的经验证据[J].上海财经大学

学报，2021（5）：50-64+106.

[30] 杨凡，张玉明.投资者社交媒体“发声”与企业技术创新：

基于信息效应和治理效应的研究[J].山西财经大学学报，

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] 吕纤，韩云.自信还是模仿：管理者过度自信与现金股利

同行效应研究[J].中国地质大学学报（社会科学版），2022

（3）：110-122.

[34] 吕纤，向东进.现金股利迎合与股价信息效率[J].中国地

质大学学报（社会科学版），2017（6）：170-178.

[35] 李学峰，蔡新怡.机构投资者抱团如何影响上市公司现

金股利政策[J].上海金融，2023（1）：25-37.

[36] 陈华，孙汉，沈胤鸿.交易所网络平台互动能缓解股价崩

盘风险吗?基于管理层回复质量的异质性角度[J].上海财经

大学学报，2022（3）：92-107.

[37] 马慧，陈胜蓝.企业数字化转型、坏消息隐藏与股价崩盘

风险[J].会计研究，2022（10）：31-44.

[38] 周茜，许晓芳，陆正飞.去杠杆，究竟谁更积极与稳妥?

[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] 金龙，丁志国，丁垣竹.地缘网络中债务违约会加剧企业

投资不足吗?[J].中央财经大学学报，2022（4）：50-62+118.

[41] 王小鲁，樊纲，胡李鹏.中国分省份市场化指数报告

（2018）[M].北京：社会科学文献出版社，2019：216-217.

（责任编辑：GW / 校对：XY）

投资证券保险 Investment Stock & Insurance

37

2023年第9期 WUHAN

FINANCE

一、引言

县域金融市场分割、金融供需不平衡是制约我

国县域经济发展的主要原因之一。中共中央、国务

院于2022年4月发布的《关于加快建设全国统一大

市场的意见》指出，要加快建设全国统一大市场，提

升区域间市场互联互通水平，打破区域封锁和市场

分割，重塑大国竞争优势。这一举措有望打破县域

经济发展的区域壁垒，促进县域经济高质量发展。

与此同时，随着数字金融的迅猛发展，以银行为主导

的县域金融市场正在发生深刻的变化。数字金融打

破了县域传统金融市场的信息壁垒，降低了传统金

融对物理网点的依赖，并为建设全国县域金融统一

大市场提供了技术保障[1]

。2022 年 4 月，中央网信

办、农业农村部等多部门联合发布的《2022 年数字

乡村发展工作要点》强调，要加强数字金融在农村地

区的应用推广，强化信息技术对乡村振兴的驱动赋

能作用。数字金融能够促进新的县域银行竞争格局

的建立，并通过优化金融市场结构，加强金融服务县

域实体经济的能力，从而促进乡村振兴发展。

截至2022年初，全国已有上千个县与网商银行

合作发展数字普惠金融，县域数字信贷得到快速发

展。根据2021年中国社会科学院农村发展研究所

发布的《中国县域数字普惠金融发展指数报告

2021》，县域数字金融的发展得益于县级政府的积极

推进，政府支持对县域数字金融的普及与发展至关

重要。冯林等[2]

研究发现，采用农村产权改革、信用

体系建设、政府增信等合作型政策，有利于县域间形

成合力，可以同时提升本县与其他县的金融发展水

平；采用税费减免、财政补贴等保护型政策，短期可

以吸引金融资源流入本县，但会抑制其他县的金融

发展，不利于统一大市场的建设，这种增量改革没有

从根本上解决全国县域金融发展不平衡的问题[3]

。

县域政府政策的实施存在行政区域边界，考虑到数

字金融有更强的流动性，可以突破地域的边界，因此

从空间金融的角度，研究县域政府的金融政策对本

县和其他县金融市场影响的差异化效果，具有重要

的理论与实践价值。本文在建设全国统一大市场背

景下，从县域空间关联上分析以下问题：数字技术能

否促进县域间金融资源的流动，进而改变县域内和

县域外的银行竞争格局？数字金融是否有助于打破

县域间金融市场的分割？数字金融进入县域金融市

摘 要：本文基于 2016—2019 年我国 1914 个县的面板数据，通过构建空间杜宾模型实证检验数字金融发展对县域银行竞争的影响。

研究结果表明：（1）数字金融会促进本县银行竞争，而对相邻县银行竞争产生负向的空间溢出效应。（2）在同一市域下，数字金融对县域银

行竞争产生的负向空间溢出效应被削弱；属于同一市的相邻县域间空间溢出效应强于不相邻的县域。（3）现阶段县级政府金融政策的支

持，可以加强数字金融对县域银行竞争的空间溢出效应，促进金融资源流动，从整体上推动数字金融的发展。本文研究结论对于构建县

域数字金融体系和全国统一大市场具有重要意义。

关键词：数字金融；银行竞争；县域经济；空间溢出效应

中图分类号：F832.33 文献标识码：A 文章编号：1009-3540（2023）09-0038-0007

基金项目：教育部人文社科青年基金项目“政府干预与市场竞争良性联动下金融支持贫困县域经济可持续发展研究”（20YJC790033）。

■ 郭娜 曹琳琳 马亚楠

作者简介：郭娜（1985—），女，博士，北京工商大学经济学院讲师，研究生导师； 曹琳琳（通讯作者）（1995—），女，北京工商大学经济学院

硕士研究生； 马亚楠（1996—），女，北京工商大学经济学院硕士研究生。

数字金融对县域银行竞争的影响

——基于空间溢出效应视角

38

场离不开政府的引导，在政府的支持下数字金融对

县域银行竞争的影响又会发生怎样的改变？行政隶

属关系和空间地理距离对数字金融的空间溢出效应

是否有影响？对这些问题的回答，不仅能够为县域政

府促进金融发展建言献策，同时探索了政府与市场

如何在建立全国金融统一大市场时进行良性联动。

二、理论分析与研究假设

前期研究中，学者们从数字金融缓解信息不对

称[3]

、银行风控能力[4]

、提升运营效率[5]

、促进利率市

场化[6]

等多个角度论证了数字金融可以促进传统银

行竞争。虽然数字技术可以突破地理限制，但殷贺

等[7]

认为数字金融的发展仍会受到周边地区影响。

现有县域银行竞争方面的研究则普遍忽略了空间关

联的特征。

就县域内发展而言，一方面数字金融利用数字

技术收集更多信息，缓解银行与客户之间的信息不

对称[8]

，促进银行业务开展；另一方面对传统银行产

生“技术溢出”[9，10]

，推动银行机构业务创新，促进银

行间竞争。就县域外发展而言，数字金融的发展会

促进县域间金融资源的流动，再加上银行线上化转

型，使得县域间银行网点共享成为可能。考虑到银

行网点设立成本较高，相邻县银行网点的设立可能

会减少，进而抑制县域外银行竞争。基于此，本文提

出假设H1。

H1：数字金融会促进本县银行竞争，而对相邻

县银行竞争产生负向空间溢出效应。

从空间地理距离角度出发，“地理终结论”认为

信息技术可以打破金融活动的地理割裂，金融资本

可以在各个区域内流动[11]

；“信息腹地论”则指出信

息技术会使金融资源在空间上集聚，形成信息腹地，

无法消除地理因素影响[12]

。而从市场角度来看，空

间距离较近的县域，一般具有相似的资源禀赋，有利

于数字金融资源流动。其中，属于同一市的县域更

易整合资源、加强交流合作，从而缩小数字金融在市

域内各个县域的发展差距，减弱其对银行竞争的负

向空间溢出效应。属于同一市的相邻县域之间不仅

政策更容易协调整合，而且空间地理距离近，便于市

场化资源流动。基于此，本文提出假设H2。

H2：属于同一市的相邻县域之间，数字金融对

银行竞争的空间溢出效应强于不相邻的县域。

县域数字金融的推广，既需要市场在资源配置

过程中发挥决定性作用，也离不开政府政策的推

动。已有学者研究发现，县级地方政府金融政策可

能是促进共赢的“合作型政策”，抑或是仅对本县有

利的“掠夺性政策”，两种政策都会促进县域金融发

展，并且产生空间效应[2]

。现阶段，地方政府通常与

金融科技公司签订合作协议，以促进金融科技公司

与传统银行机构合作，使数字金融的技术优势与传

统银行的网点优势相结合，健全当地金融体系。虽

然在我国的行政体系设置中，县域政府政策的实施

范围有地域上的界限，但地方政府之间的互相影响

和数字金融市场资源的跨地区流动，促使县域金融

政策对本县及周边县的数字金融发展同时产生影

响。因此，本文提出假设H3。

H3：县域政府支持力度越强，数字金融对县域

银行竞争的空间溢出效应越强。

三、研究设计

（一）空间模型的构建

由于资源要素的流动，数字金融的发展在对本

县银行竞争产生影响的同时，可能会对县域外其他

地区产生溢出效应，在选择模型时要考虑解释变量

与被解释变量的空间溢出效应。因此，本文采用空

间杜宾模型，具体构建方法如式（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 为被解释变量 i 县在年度 t 的银行

竞争水平；WiHHIi,t 是被解释变量 HHIi,t 的空间滞后

项，主要体现县域间银行竞争的空间关联性；ρ 表

示空间自相关系数，体现县域间银行竞争相互影响

的方向和程度；Wi =∑j = 1

n

wi,j 是 n × n 阶空间权重矩

阵，i、j表示不同的县，t为年份；Xi,t 是解释变量i县

在年度t的数字金融发展水平；θ1 是对应的参数变

量。 WiXi,t 是解释变量的空间滞后项，用来表示本

县数字金融发展水平对其他县域银行竞争的影响，

影响的方向和程度用 θ2 表示。 πi,t 为控制变量，β1

为控制变量的影响系数；Wi

πi,t 为控制变量的空间

滞后项，其影响系数用 β2 表示。此外，εi,t 是随机误

差项，服从期望值为0，方差为 σ2 的标准正态分布，

μi,t 表示时间固定效应；σi,t 表示地区固定效应；tn

为n×1阶单位矩阵，α 是常数项；n为所研究县域的

总个数。

普惠金融 Financial Inclusion

39

2023年第9期 WUHAN

FINANCE

（二）空间权重矩阵的设定

空间权重矩阵是空间模型回归的重要部分。借

鉴冯林等[2]

的做法，本文基于空间相邻原则、行政隶

属关系和空间地理距离构建以下四个空间权重矩阵。

1.空间相邻矩阵

利用GeoDa软件，根据县域之间在空间上是否

邻接生成对称矩阵，若县域i与县域j相邻则取值为

1，其余元素均为0。如式（2）所示：

W1 = wi,j = ì

í

î

1，县域i与县域 j相邻

0，县域i与县域 j不相邻 （2）

2.行政隶属关系矩阵

属于同一市的县域之间银行机构面临的金融环

境基本一致，数字金融对银行竞争的空间溢出效应

可能较弱；而属于同一市的相邻县域之间可能存在

竞争或合作关系，从而影响数字金融对银行竞争的

空间溢出效应。因此，本文构建了属于同一市的空

间权重矩阵 W2 和属于同一市且相邻的空间权重矩

阵 W3 ，检验数字金融对银行竞争影响的空间溢出效

应是否存在差异。 W2 中属于同一地级市的县取值

为1，否则为0；同理，W3 中属于同一地级市且相邻

的县取值为1，否则为0。如式（3）和式（4）所示：

W2 = w'

i,j = ì

í

î

1，县域i与县域 j属于同一市

0，县域i与县域 j不属于同一市 （3）

W3 = w''

i,j ={

1，县域i与县域 j属于同一市且相邻

0，其他 （4）

3.空间地理距离矩阵

为考察县域间地理距离不同，数字金融发展水

平对县域银行竞争的影响，本文构建了空间地理距

离矩阵W4 。W4 的矩阵元素设定为两个县域之间球面

距离的倒数，对角线元素设置为0。如式（5）所示：

W4 = w'''

i,j =

ì

í

î

ï

ï

1

di,j

，县域i与县域 j球面距离的倒数

0 ，其他

（5）

此外，本文对空间权重矩阵 W1~W4 进行标准化

处理，使每行元素之和均为1，消除了空间权重矩阵

量纲的影响。

（三）变量选取

1.被解释变量

县域金融竞争主要表现在银行业的竞争。本文

借鉴姜付秀等[13]

、张大永等[14]

的做法，采用赫芬达－

赫希曼指数（简称“HHI指数”），即银行集中度来衡

量县域金融竞争水平。银行集中度越低，说明县域

金融市场垄断程度越低，竞争越激烈，二者呈反向变

化。已有文献中关于 HHI 指数的衡量方法主要包

括两种：一种是基于银行机构资产额计算得到[15—17]

；

一种是基于银行机构网点数量计算得到[18—20]

。考虑

到县级各类银行机构资产额的可得性和数据真实性

较低，为了使实证检验结果更加精确，本文假设各类

银行效率相同，根据原中国银保监会公布的各个银

行机构网点批准成立时间，统计每个县各类银行机

构的网点数量以计算 HHI 指数。各个县的 HHI 指

数的计算方法如式（6）所示：

HHI =∑j = 1

n æ

è

ç

ç

ö

ø

÷

÷

Branchj

∑j = 1

n

Branchj

2

（6）

n 表示该县域银行的类型，包含大型国有商业

银行、中国邮政储蓄银行、股份制商业银行、城市商

业银行以及农村金融机构五大类。需要说明的是，

政策性银行主要贯彻国家发展政策，进行特定的金

融服务，且不以营利为目的，不参与银行间的竞争，

所以本文在计算 HHI 指数时没有将其考虑在内。

中国邮政储蓄银行是国有控股商业银行，将其单独

列出是因为相比于5家大型国有商业银行，中国邮

政储蓄银行依托邮政系统分布较广，在县域地区网

点机构占有较大份额，对县域普惠金融发展有重要

作用。 Branchj 表示该县域第 j 类银行的网点数量，

∑j = 1

n

Branchj 表示该县域各类银行网点总数量。

HHI指数的取值位于0到1之间，HHI指数越低，表

明该县域银行集中度越低，竞争程度越高，县域金融

竞争水平越高。

2.解释变量

数字金融发展水平采用北京大学数字金融中心

发布的《北京大学数字普惠金融指数》2016—2019

年的县级数据。本文主要运用数字普惠金融发展总

指数以及覆盖广度、使用深度、数字化程度三个维度

的分指数，从不同角度分析数字金融发展对县域传

统金融市场竞争的影响。

3.控制变量

考虑到政府政策的制定和实施需要财政支持，

如搭建信息平台和信用体系、成立金融服务中心、增

加金融教育和科研投入等，政府财政支持力度（gov）

采用一般公共预算支出占地区生产总值的比重衡

量。借鉴粟勤等[19]

、袁鲲等[21]

和李明贤等[22]

的做法，

本 文 检 验 了 产 业 结 构（ind1 和 ind3）、人 力 资 本

40

（edu）、金融发展深度（tra）、人口密度（lnpeo）、经济

发展水平（lnGDP）等控制变量对县域银行竞争的影

响。各变量的具体定义和符号见表1。

表1 变量定义与符号

变量类型

被解释

变量

解释变量

控制变量

变量名称

银行竞争水平

数字金融发展水平

覆盖广度

使用深度

数字化程度

政府财政支持力度

产业结构

人力资本

金融发展深度

人口密度

经济发展水平

变量符号

HHI

lnfintech

lncover

lnusage

lndigital

gov

ind1

ind3

edu

tra

lnpeo

lnGDP

变量定义

赫芬达－赫希曼指数(HHI指数)

北京大学数字普惠金融总指数取对

数

北京大学数字普惠金融覆盖广度指

数取对数

北京大学数字普惠金融使用深度指

数取对数

北京大学数字普惠金融数字化程度

指数取对数

一般公共预算支出/地区生产总值

第一产业增加值/地区生产总值

第三产业增加值/地区生产总值

县中小学在校人数/户籍总人口

（年末金融机构各项贷款余额+居民

储蓄存款余额）/地区生产总值

县域总人口/县域行政土地面积，取

对数

地区生产总值取对数

（四）数据来源

本文数据主要来源于《中国县域统计年鉴（县

市卷）》《北京大学数字普惠金融指数》和原中国银

保监会公布的全国金融机构金融许可证信息。经

过数据整理和剔除后，本文选取了我国 1914 个县

（市、旗）2016—2019 年的面板数据进行实证检验，

所覆盖县域数量约占全国县域数量的70%，共7656

个观测值。

四、实证检验与结果分析

（一）变量的描述性统计

对各个变量进行描述性统计分析，结果如表 2

所示。各变量均表现出区域差异，HHI指数（银行竞

争水平）的最大值为1，最小值为0.2341，表明县域银

行竞争存在较大地域差异，有些地区银行机构完全

垄断（如西部地区），而有些地区银行机构竞争激烈

（如东部地区）。政府财政支持力度的最小值和最大

值差别较大，反映了不同地区政府对金融市场的支

持力度不同。由于对数字金融发展水平及三个维度

的数值进行了对数化处理，整体差别较小，但李明贤

等[22]

发现数字金融发展也存在地区不平衡问题。因

此，本文对数字金融、政府财政支持力度和县域银行

竞争水平三者间的关系进行空间溢出效应分析，具

有一定的现实和理论意义。

表2 变量的描述性统计

变量

HHI

lnfintech

lncover

lnusage

lndigital

gov

ind1

ind3

edu

tra

lnpeo

lnGDP

样本量

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

中位数

0.3910

4.6110

4.5026

4.7730

4.6457

0.2339

0.1688

0.4175

0.1113

1.4992

5.4043

14.1259

标准差

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）空间模型选择与分析

本文利用 Moran’s I 指数对被解释变量和解释

变量进行了空间自相关检验，结果如表3所示。县

域银行竞争水平、数字金融发展水平、覆盖广度、使

用深度、数字化程度、政府财政支持力度都存在显著

的空间正相关性，可以采用空间计量模型进一步分

析。本文采用极大似然法的空间杜宾模型对空间面

板数据进行估计，基于四个空间权重矩阵分别做了

随机效应、个体固定效应、时间固定效应、双向固定

效应的空间杜宾模型。经Hausman检验和LR检验，

本文选取了估计效果最好的双向固定效应的空间杜

宾模型进行以下空间效应分析。

表3 全局Moran’s I指数

主要变量

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：***、**、*分别表示在1%、5%和10%的水平上显著。

（三）实证检验结果分析

1.数字金融对县域银行竞争的影响

基于空间相邻矩阵 W1 得出表 4 中的空间估计

普惠金融 Financial Inclusion

41

2023年第9期 WUHAN

FINANCE

结果，（1）列表示数字金融发展水平对银行竞争的影

响，（2）至（4）列分别表示数字金融覆盖广度、使用深

度、数字化程度对银行竞争的影响。（1）至（4）列中，

被解释变量的空间自相关系数 ρ 值均在1%水平上

显著，说明相邻县域之间银行竞争存在空间正相关

关系，本县的银行竞争增强，对相邻县的银行竞争也

会产生正向影响。本文借鉴Lesage 等[23]

的研究，将

解释变量对被解释变量的空间回归结果分为平均直

接效应、平均间接效应和平均总效应，以此分析数字

金融对县域银行竞争的空间溢出效应。

数字金融发展水平及其三个维度对县域银行竞

争的平均直接效应如表4所示，数字金融对本县的

银行竞争具有显著促进作用。由于北京大学数字普

惠金融指数是基于蚂蚁金服数据编制的，数字金融

的覆盖广度主要采取支付宝账户数量及绑卡数量来

衡量，覆盖广度越高，表明可触达的客户范围越广[1]

。

但在我国县域地区，出于习惯、偏好等原因，居民主

要在银行网点办理存贷款等金融业务，对银行的信

任度远高于数字金融；并且大多数居民只是使用支

付宝进行日常支付，对传统银行业务没有产生显著

影响，所以数字金融的覆盖广度对县域银行竞争的

促进作用不显著。数字金融的使用深度反映了客户

对支付、货币基金、信贷、保险、投资等数字金融产品

的应用情况。数字化程度主要用移动支付、花呗支

付、二维码支付、芝麻信用免押金额等指标衡量[1]

。

使用深度数值越大，说明金融产品越丰富，越能激发

银行机构学习效仿，推出更多金融产品，满足客户多

样化的需求，再加上居民对银行的依赖度较大，所以

数字金融使用深度会促进本县传统银行的发展。数

字化程度对本县银行竞争的促进作用小于使用深

度，这是因为随着互联网技术进步，传统银行开始转

型，加大科技研发投入，开通线上平台，缩小了数字

金融与传统金融之间的差距，数字金融对传统银行

的技术溢出逐渐减少，所以数字化程度对银行竞争

的促进作用较小。

在间接效应和总效应方面，相邻县的数字金融

发展水平对本县银行竞争产生了抑制作用。一方

面，我国数字技术的快速发展促使传统银行业务转

为线上，数字金融利用数字技术的便捷性、普惠性等

优势[21]

，打破地域限制，扩大客户覆盖范围，使得相

邻县之间金融资源流动性更强，再加上交通的便捷

和线上业务的开展，相邻县可以共享银行网点资

源。另一方面，数字金融发展会促进本县银行竞争，

营业网点增加，银行为追求利润最大化、降低成本，

会减少相邻县网点的设立，进而对相邻县的银行竞

争产生抑制作用。由于县域内数字金融的正向空间

溢出效应被相邻县域间的负向间接效应所抵消，所

以数字金融对县域银行竞争的总效应表现为抑制作

用。假设H1得到验证。

2.基于行政隶属关系矩阵和空间地理距离矩阵

的空间溢出效应

本文基于在行政隶属关系中属于同一市的空间

权重矩阵 W2 、属于同一市且相邻的空间权重矩阵

W3 以及空间地理距离矩阵 W4 ，进一步分析数字金

融对县域银行竞争的空间溢出效应。结果如表5所

示，各个权重矩阵下的银行竞争的空间自相关系数

均显著为正。其中，基于空间地理距离矩阵 W4 的空

表4 数字金融及其三个维度对银行竞争的影响

变量

rho

直接

效应

间接

效应

总

效应

控制变量

控制时间

控制地区

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：***、**、*分别表示在1%、5%和10%的水平上显著，括号内数

字为标准误。下表同。

42

间自相关系数最大，说明地理距离越近，县域之间银

行竞争的关联性越强。

表5 基于不同空间权重矩阵的空间溢出效应分解结果

变量

rho

直接效应

间接效应

总效应

控制变量

控制时间

控制地区

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

从行政隶属关系上分析，属于同一市的相邻县

域之间数字金融发展对相邻县银行竞争产生了负向

空间溢出效应，间接效应与直接效应相互抵消使得

总效应不显著。与上文基于空间相邻矩阵 W1 的结

果相比，数字金融对相邻县银行竞争的负向溢出效

应明显减弱，且小于对本县银行竞争的促进作用。

原因可能是，为了实现行政区域内各县域协调发展，

市级政府在制定和实施金融政策时会综合考虑行政

范围内所有县域的实际情况，使得属于同一市的县

域处于相似的金融环境，因此县域政府有了更多合

作机会，减少了对金融资源的争夺，数字金融对相邻

县银行竞争的负向溢出效应减弱。而在相邻县域之

间金融资源流动性较大，数字金融促进本县银行发

展，吸引邻县金融资源流入，对相邻县银行竞争产生

抑制作用。

从空间地理距离角度分析，在直接效应中，数字

金融对本县银行竞争的影响没有发生变化，在间接

效应和总效应中，数字金融发展对周边地区抑制作

用不显著。这说明虽然数字技术具有突破地域限制

的特性，但是数字金融在县域地区发展较为缓慢，市

场力量较弱，仅对相邻县银行竞争产生影响，随着空

间地理距离的增加，数字金融对其他县域银行竞争

的影响不显著。因此，基于以上三个空间权重矩阵

的回归结果来看，现阶段数字金融在县域地区的发

展仍处于初级阶段，数字技术打破地域限制的特性

没有得到充分发挥，只有在行政相邻的县域间数字

金融对银行竞争会产生空间溢出效应，随着空间地

理距离的增加，上述空间溢出效应会减弱；再加上市

级政府的统筹协调缩小了县域金融发展的差距，数

字金融对相邻县银行竞争的负向溢出效应减弱。假

设H2得到验证。

3.县域政府支持力度对空间溢出效应的影响

由以上基于行政隶属关系权重矩阵和空间地理

距离矩阵的结果可知，市级政府政策会影响数字金

融对县域银行竞争的空间溢出效应。因而，本文进

一步考察在县域政府支持下，数字金融对县域银行

竞争的空间溢出效应。本文以1914个县域2016—

2019年政府财政支持力度指标的均值为界，将样本

划分为政府财政支持力度强的县和政府财政支持力

度弱的县两组进行检验。结果如表6所示。

表6 按政府财政支持力度强弱分组的空间溢出效应

分解结果

分组

相邻县政府财政支

持力度强

相邻县政府财政支

持力度弱

属于同一市县政府

财政支持强

属于同一市县政府

财政支持力度弱

空间地理距离县政

府财政支持力度强

空间地理距离县政

府财政支持力度弱

空间权重

矩阵

W'

1

W''

1

W'

2

W''

2

W'

4

W''

4

直接效应

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)

间接效应

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)

总效应

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，对空间相邻矩阵按政府支持力度强弱分

组（W'

1~W''

1 ）的结果中，与政府支持力度弱的县相

比，数字金融对政府支持力度强的县域银行竞争影

响效果明显增强，而政府支持力度弱的县直接效应

不显著。这表明如果缺少当地政府的大力支持，数

字金融进入县域金融市场较为困难，数字金融对本

县银行竞争的促进作用需要当地政府支持。两组间

接效应均不显著，而总效应中只有政府支持力度强

的组结果显著，并且总效应大于直接效应，方向均显

著为正，这说明相邻县政府之间呈现合作关系。

其次，对行政隶属关系矩阵按政府支持力度强

弱分组（W'

2~W''

2 ）的结果中，在县域政府加强支持力

度时，属于同一市的县平均直接效应、间接效应和总

效应均显著为正。这表明由于市级政府的统筹协

普惠金融 Financial Inclusion

43

2023年第9期 WUHAN

FINANCE

调，县域政府在制定金融政策时偏向于采用合作型

金融政策，并且这种合作关系不会因为地理上的不

相邻而削弱[2]

，属于同一市的县域政府增强对金融

市场的支持力度，会使数字金融对县域内和县域外

的银行竞争产生正向溢出效应。

最后，对空间地理距离矩阵按政府支持力度强

弱分组（W'

4~W''

4 ）的结果中，政府支持力度强的县域

数字金融对银行竞争的平均直接效应、间接效应和

总效应均为正向。与前文基于空间地理距离矩阵

（W4）的结果相比，这证明了数字金融对县域银行竞

争的空间溢出效应与政府支持力度有关，地理距离近

的县域之间以合作性政策为主。假设H3得到验证。

（四）稳健性检验

本文通过更换被解释变量来检验数字金融对县

域银行竞争空间溢出效应结果的稳健性。借鉴王雪

等[18]

的做法，使用县域前两大银行的集中度指数（简

称“CR2指数”）衡量县域银行竞争水平。CR2指数

为县域内前两大银行网点数量之和与所有银行网点

总数的比值，取值在0到1之间，数值越小，则反映银

行间竞争程度越大。检验结果如表7所示，数字金

融发展水平及三个维度对银行竞争的平均直接效

应、间接效应和总效应与表4的结果基本一致，结论

较为稳健。

五、研究结论与建议

本文利用2016—2019年我国1914个县（市、旗）

的空间面板数据，运用地区和时间双向固定的空间

杜宾模型，实证检验了数字金融发展水平及其覆盖

广度、使用深度、数字化程度三个维度对县域银行竞

争的空间溢出效应，并进一步分析在政府支持下数

字金融对县域银行竞争的空间影响，力图揭示数字

金融、政府政策和县域银行竞争三者之间的关系。

主要结论与建议如下：

第一，数字金融的发展通过缓解信息不对称、技

术溢出等方式促进了本县银行竞争；在间接效应中，

数字金融促进了相邻县之间金融资源的流动，但由

于银行设立分支机构需要一定成本，从而抑制了相

邻县之间的银行竞争。因此，建议鼓励银行机构与

金融科技公司合作，通过数字信息、数字技术与物理

网点有机结合，加速数字金融在县域的发展。

第二，数字金融对县域银行竞争的空间溢出效

应与行政隶属关系和空间地理距离有关。本文实证

结果显示，数字技术突破地域限制的特性并没有得

到充分发挥，空间溢出效应存在于相邻县域之间，其

中属于同一市域的相邻县域溢出效应强于不相邻的

县域。因此，合理规划、加快顶层设计对促进数字金

融发展大有益处。建议采用市县联动的方式，构建

良好的竞争机制，优化金融生态环境。

第三，县域政府适当加强对金融市场的支持力

度，会增强数字金融对本县和县域外银行竞争的促

进作用，进而表明现阶段数字金融的推广离不开政

策支持。因此，在县域金融市场建设中，应坚持“市

场主导、政府引导”的方针，县域政府间要加强合作，

促进金融资源的跨区域流动，推动全国统一大市场

的建设。■

[参考文献]

[1] 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指

数编制与空间特征[J].经济学（季刊），2020（4）：1401-1418.

[2] 冯林，刘华军，王家传.政府干预、政府竞争与县域金融发

展：基于山东省90个县的经验证据[J].中国农村经济，2016

（1）：30-39.

表7 数字金融对县域银行竞争影响的稳健性检验结果

变量

直接

效应

间接

效应

总效

应

控制变量

控制时间

控制地区

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 （下转第88页）

44

一、引言

2022年12月14日，中共中央、国务院印发《扩大

内需战略规划纲要（2022—2035 年）》，强调了以国

内大循环为主体、国内国际双循环相互促进的新发

展格局。为了全面贯彻落实党的二十大精神，2023

年中央经济工作会议将“着力扩大国内需求”作为重

点工作任务进行了部署，提出“要把恢复和扩大消费

摆在优先位置，增强消费能力，改善消费条件，创新

消费场景”。3月9日全国政协十四届第一次会议提

出“坚定实施扩大内需战略，着力恢复和扩大消

费”。就目前而言，消费不仅是刺激经济复苏、助力

扩大内需战略的有效手段，同时也是经济发展的最

终需求，是满足人民对美好生活向往的现实需要。

与此同时，随着科技和生产力的发展，以“新投

资、新消费、新模式、新业态”为主要特点的数字经济

已经成为推动中国经济社会平稳发展的重要力量。

数字经济不仅改变了传统生产服务模式下的消费环

境和消费方式，也带动了消费扩容升级。党的二十

大报告提出“加快发展数字经济，促进数字经济与实

体经济深度融合”。2016年，G20峰会《二十国集团

数字普惠金融高级原则》倡导利用数字技术支持普

惠金融发展，数字普惠金融应运而生。“数字普惠金

融”泛指一切通过使用数字金融服务以促进普惠金

融的行动。简单来说，数字普惠金融就是在普惠金

融的基础上，结合移动互联网、大数据、云计算、智能

终端等数字科技手段，通过数字化技术推动普惠金

融的发展。数字普惠金融扩大了传统金融的内涵，

凭借其能够降低交易成本、缓解信息不对称问题等

天然优势，降低了借贷门槛[1]

，缓解了居民的流动性

约束[2]

，带动居民消费升级。然而，数字普惠金融在

缓解借贷约束的同时，也会增加家庭借贷总量，导致

家庭负债结构的变动，从而影响居民消费信心。

综上所述，本文在已有的关于数字普惠金融与

居民消费升级关系的研究基础上，加入居民杠杆率，

试图探究在这个影响过程中，居民杠杆率是否起到

了门槛值的作用。通过验证居民杠杆率在这一过程

中的作用，能更好地帮助居民平衡家庭负债与家庭

摘 要：面对深刻变化的国际环境，实施扩大内需战略、强化消费的基础性作用，既是促进经济复苏的重要手段，也是满足人民美好

生活的现实需要。本文选取 2013—2019 年中国家庭金融调查数据（CHFS），通过面板门槛效应模型，研究在数字普惠金融作用于居民消

费升级过程中居民杠杆率是否能起到门槛值的作用，以此实现在控制家庭负债风险的同时充分发挥数字普惠金融效果。结果表明，当居

民杠杆率超过某一门槛值时，数字普惠金融对消费升级的促进作用增强，削弱作用衰减，并且存在区域异质性。基于此，本文提出推进数

字普惠金融个性化定制、推进城镇化建设、改善基础设施建议、缩小收入差距、提升居民借贷信心等建议。

关键词：数字普惠金融；消费升级；居民杠杆率；家庭负债风险；面板门槛效应模型

中图分类号：F832.4 文献标识码：A 文章编号：1009-3540（2023）09-0045-0008

■ 郭琛 蔡嘉伟 艾马

作者简介：郭琛（1975—），女，博士，哈尔滨理工大学经济与管理学院教授，硕士生导师； 蔡嘉伟（1997—），女，哈尔滨理工大学经济与管

理学院硕士研究生； 艾马（1994—），男，哈尔滨理工大学经济与管理学院硕士研究生。

数字普惠金融

对居民消费升级的影响研究

普惠金融 Financial Inclusion

45

2023年第9期 WUHAN

FINANCE

消费的关系，为更好发挥数字普惠金融作用、释放国

内消费潜能提供可靠依据。

二、文献梳理

国内外已有不少关于数字普惠金融、居民杠杆

率和居民消费升级的研究，本文主要关注“数字普惠

金融对居民消费升级的影响”和“居民杠杆率对消费

升级的影响”。具体内容如下：

（一）数字普惠金融对居民消费升级的影响

易行健等[3]

研究发现数字普惠金融可以通过缓

解信贷约束、便利居民支付来促进居民消费。Panos

等[4]

认为数字金融缓解了居民的借贷约束，提升了

支付的便利性，从而使得居民非生存型消费和冲动

消费增多，进而影响居民消费升级。肖远飞等[5]

比

较了数字普惠金融对城乡居民消费升级影响的差

距，发现数字普惠金融不仅能提高农村居民的消费

总量，还能优化农村居民的消费结构，但是数字普惠

金融只能影响城市居民的消费结构。杜家廷等[6]

利

用门槛效应模型检验出数字普惠金融对中国农村居

民消费结构升级的促进趋势呈“倒S型”的非线性形

状。蓝天[7]

通过对31个省份的研究，发现数字普惠

金融能够促进居民消费，并且促进作用是非线性的。

安强身等[8]

发现数字普惠金融通过提升居民收入和

社会保障水平促进居民消费结构升级。王瑛等[9]

研

究发现数字普惠金融可以通过居民消费促进共同富

裕，并且对西部和东北部的促进效果较为明显。

（二）居民杠杆率对消费升级的影响

学者们关于居民杠杆率对居民消费的影响方向

也持有不同的意见。Cardaci[10]

根据 2007—2008 年

美国金融危机的数据得出结论，随着居民房产贷款

的增加，房产增值带来的财富效应会增加居民消

费。Bechlioulis等[11]

通过消费欧拉方程发现，负债会

令受到借贷约束的家庭减少对未来消费的偏好。陈

清华等[12]

根据省级层面数据发现居民杠杆率能促进

消费增长。安玉桃[13]

对城市和农村居民的消费进行

对比，发现居民杠杆率攀升抑制了农村居民的消费

升级，但却促进了城市居民的消费升级。高东胜等[14]

认为居民杠杆率以对未来消费增长的透支为代价，

从而促进当期消费增长。

另外，由于住房负债在家庭负债中占有较大比

例，也有学者针对住房负债进行了研究分析。张雅

淋等[15]

通过对不同类型的债务比较，发现住房负债

的增加会抑制消费，影响消费结构升级，而一般债务

的增加会促进消费、优化消费结构。周利等[16]

认为

住房贷款、非住房贷款都会促进居民消费，但长远来

看，家庭债务的持续累积不利于消费的稳定增长。

综上所述，许多学者都对数字普惠金融对消费

升级的影响以及居民杠杆率和居民消费之间的关系

做了研究，为本文提供了可靠的理论基础。但大多

数学者在研究数字普惠金融对消费的作用时，没有

意识到鼓励居民消费升级时产生的棘轮效应、示范

效应有可能导致居民过度消费，从而引发家庭债务

累积，最终影响家庭未来的消费。因此，本文在分析

数字普惠金融对居民消费升级的影响时，加入居民

杠杆率进行研究，以探究是否存在一个居民杠杆率

的门槛值，使得居民杠杆率跨过此门槛值后，既能充

分发挥数字普惠金融对居民消费升级的促进作用，

提升人民生活幸福感，促进社会经济的发展，又能防

范家庭破产风险，预防系统性风险，增强居民消费信

心，从而为数字普惠金融发展和扩大内需战略提供

合理建议。

三、研究设计

（一）模型构建

1.基本模型设定

建立数字普惠金融、居民杠杆率和居民消费升

级三者之间的基本模型：

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

费规模，Constr表示居民消费结构，Consump2表示享

受型消费和发展型消费之和，Index表示数字普惠金

融发展水平，Lev表示居民杠杆率，Controls为其他影

响居民消费的所有控制变量，μ为家庭层面的个体

效应，τ为年份的时间效应，ε为随机扰动项。

2.门槛模型设定

由于数字普惠金融与居民消费升级可能存在非

线性关系，采用 Hansen的面板门槛效应模型进行实

证研究，同时采用居民杠杆率作为门槛值，在模型

（1）和（2）的基础上引入指示函数，构建单门槛模型：

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）

考虑到可能存在多个门槛值的情况，对模型

（4）、（5）进行拓展：

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）数据来源

由于数据的可得性和可信度原因，本文使用来

自西南财经大学 2013 年、2015 年、2017 年、2019 年

的中国家庭金融调查数据（CHFS）[17]

。该调查两年

进行一次，包括全国除港澳台外的29个省和自治区

及直辖市。本文还采用了北京大学数字金融研究中

心发布的北京大学数字普惠金融指数[18]

和国家统计

局发布的数据[19]

，以省为单位，与中国家庭金融调查

数据相匹配。

（三）变量说明

1.被解释变量

农村居民消费升级。本文将农村居民消费升级

分成“质”和“量”两个部分来观察。“质”表示居民消

费结构，用家庭发展型消费和享受型消费之和占家

庭总消费的比值来表示。“量”表示居民消费量，用家

庭人均消费来表示。

2.解释变量

数字普惠金融发展水平。用北京大学数字金融

研究中心发布的北京大学数字普惠金融指数来表示。

3.门槛变量

居民杠杆率。以家庭总负债与家庭总资产的比

值来衡量。

4.控制变量

借鉴甘犁等[17]

的研究，本文选取如下控制变量：

（1）家庭层面，包括少年人口抚养比、老年人口抚养

比、家庭规模、家庭收入。（2）个人层面，包括户主的

性别、婚姻状况、健康状况、受教育情况、社会保障、

医疗保障。（3）区域层面，包括城镇化率。

本文的主要变量名称及定义如表1所示。

表1 主要变量名称及定义

类型

被解释

变量

解释变量

门槛变量

控制变量

变量名称

消费结构

人均消费

数字普惠金融

发展水平

居民杠杆率

少年人口抚养比

老年人口抚养比

家庭规模

家庭收入

性别

婚姻状况

健康状况

受教育情况

社会保障

医疗保障

城镇化率

符号

Constr

Rcon

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

定义

家庭发展型消费和享受型消费之和/家

庭总消费

家庭总消费/家庭总人数（万元）

数字普惠金融指数

家庭总负债/家庭总资产

少于16周岁人口数/家庭规模

大于60周岁人口数/家庭规模

家庭总人口数

工资性收入、农业经营收入、工商业经

营收入、转移性收入和投资性收入之和

（万元）

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=无上学经历，2=小学，3=初中，4=高

中，5=中专或职高，6=大专或高职，7=

本科，8=硕士，9=博士

1=有社会养老保险，0=没有社会养老

保险

1=有医疗保险，0=没有医疗保险

城镇常住人口/地区总人口

（四）描述性统计

本文对数据进行了以下处理：（1）保留了四次都

在调查样本中的家庭；（2）删除存在缺失值的样本，

构建平衡面板数据；（3）为了缓解异常值带来的估计

偏误，对数据进行了1%的缩尾处理；（4）将数字普惠

金融指数进行了缩小100倍的处理，并令人均消费、

家庭收入都以“万元”为单位。最终保留了7720条

样本数据，共1930户家庭。

具体描述统计结果如表2所示。

四、实证检验及结果分析

（一）基准回归分析

在进行基准回归分析之前，本文先进行多重共

线性检验。检验结果显示，各变量方差膨胀因子

（VIF）的最大值为1.6，平均值为1.16，远远小于临界

值10，说明不存在严重的多重共线性问题。

普惠金融 Financial Inclusion

47

2023年第9期 WUHAN

FINANCE

首先，从数字普惠金融对居民消费升级的影响

机制进行检验。表 3（1）和（2）列结果表明，数字普

惠金融对人均消费的影响系数为0.736，通过了1%

的显著性水平检验；数字普惠金融对消费结构的影

响系数为-0.070，通过了1%的显著性水平检验。这

说明数字普惠金融能够显著促进消费量的增加，但

对消费升级有削弱作用。

本文关于数字普惠金融对消费升级的影响与肖

远飞等[5]

、安强身等[8]

的研究结果并不一致。为了进

一步探究数字普惠金融对消费升级的削弱作用，将

享受型消费和发展型消费之和作为被解释变量，数

字普惠金融作为解释变量。回归结果如表 3（3）列

所示，数字普惠金融在10%的显著性水平上对享受

型消费和发展型消费具有正向影响，说明数字普惠

金融确实可以使得居民的享受型消费和发展型消费

总量增加，但是可能由于生存型消费的增长快于享

受型消费和发展型消费，最终导致消费结构没有实

现优化，反而发生倒退。

其次，从居民杠杆率对居民消费升级的影响机

制进行检验。表 3（1）和（2）列结果表明，居民杠杆

率对人均消费的影响为-0.012，通过了1%的显著性

水平检验；居民杠杆率对消费结构的影响为0.001，

通过了1%的显著性水平检验。这说明居民杠杆率

使得居民人均消费减少，消费结构优化。结合表3

（3）列的结果，进一步分析居民杠杆率对居民消费的

影响，可能是由于随着居民杠杆率的升高，负债压力

给居民造成一定的悲观预期，于是在居民杠杆率并

不会增加享受型消费和发展型消费的前提下，居民

的人均消费和消费总量减少，导致消费结构变动。

从控制变量来看：首先，由于受到传统文化“尊

老爱幼”的思想影响，老年抚养比能促进居民享受型

和发展型消费增加，少年抚养比能促进居民消费升

级；家庭收入增加也会直接影响居民增加人均消费

和享受型发展型消费；健康水平能够影响居民预期，

从而促进消费结构升级；受教育水平提升使居民不

再局限于生存型需求，对于发展型消费和享受型消

费的需求增加，也能促进消费结构升级。其次，城镇

化水平提升会减少居民消费。可能是因为城镇化发

展的同时，配套基础设施并未跟上，同时受户籍限

表2 变量的描述性统计

变量

Constr

Rcon

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

观测值

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

标准差

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 数字普惠金融、居民杠杆率对居民消费升级影响的

回归结果

变量

Index

Lev

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

年份固定

家庭固定

样本量

调整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：*、**、***分别表示在10%、5%、1%的水平上显著，括号内为聚

类稳健标准误。下表同。

48

制，城镇居民难以享受同等医疗教育资源，导致消费

意愿不足。最后，家庭规模会抑制居民消费，但能促

进居民消费结构升级。这可能是因为人口增加导致

人均消费减少，人口结构变动导致消费需求变动，从

而影响消费结构。

（二）门槛模型估计与检验

对居民杠杆率的门槛效应进行检验，表4、表5

为300次Bootstrap自抽样检验结果。从结果可以看

出，居民杠杆率作为门槛变量，均为单门槛效应显

著，双门槛效应不显著，因此本文选取单门槛模型进

行实证分析。

表4 居民杠杆率对于人均消费的门槛效应检验

单门槛检验

双门槛检验

F值

25.460

-2.410

P值

0.000

1.000

表5 居民杠杆率对于消费结构的门槛效应检验

单门槛检验

双门槛检验

F值

16.850

6.910

P值

0.013

0.217

表 6 居民杠杆率的门槛值估计结果

门槛变量

居民杠杆率

Rcon

0.049***

Constr

0.220*** 0

5

1

0

1

5

2

0

2

5

L

R

统

计

值

0 1 2 3

第一门槛值

0

5

1

0

1

5

2

0

L

R

统

计

值

0 1 2 3

第一门槛值

图1 对于人均消费的 图2 对于消费结构的

居民杠杆率门槛值 居民杠杆率门槛值

从表 6、图 1 中可以看出，在 1%的显著性水平

上，居民杠杆率对于人均消费的门槛值为4.9%，落

在95%置信区间水平的置信区间[0.025，0.053]。从

表6、图2中可以看出，居民杠杆率对于消费结构的

门槛值为 22.0%，落在 95%的置信区间水平的置信

区间[0.195，0.235]。

如表7所示，当居民杠杆率超过门槛值时，数字

普惠金融对人均消费的促进作用由 0.665 变为

0.794，促进作用增强；当居民杠杆率超过门槛值时，

数字普惠金融对消费结构升级的抑制作用由-0.071

变为-0.063，抑制作用减弱。并且前面所说的两种

作用系数均在1%的水平上显著，说明当居民杠杆率

突破门槛值时，数字普惠金融对居民消费升级的正

向作用增加，负向作用减弱。

表7 门槛效应模型回归结果

变量

Youngr

Oldr

Fsize

Income

Sex

Marriage

Health

Edu

Si

Mi

Urban

年份固定

家庭固定

Index（区间1）

Index（区间2）

样本量

调整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）稳健性检验

1.内生性检验

由于本文选择了连续4年追踪用户家庭，因此

为了检验本文是否存在样本选择偏误、遗漏变量偏

误、双向因果关系等内生性问题，参考邹新月等[20]

、

汪亚楠等[21]

、黄晓莉等[22]

的研究，采用“互联网宽带

接入用户”“互联网宽带接入端口数”“移动电话普及

率”和“数字普惠金融滞后一期”作为数字普惠金融

的工具变量，采用两阶段最小二乘估计法进行内生

性检验。

普惠金融 Financial Inclusion

49