The Impact and Its Mechanism of Digital Finance on the Mismatch of Investment and Financing Term: Based on the Perspective of "Investment with Short-term Financing"
-
摘要: 以2011—2018年沪深A股上市公司为样本，探讨数字金融对企业投融资期限错配的影响。研究发现：数字金融可以有效抑制短贷长投，缓解企业投融资期限错配；数字金融通过缓解企业获取长期资金面临的融资约束、抑制过度投资从而抑制企业短贷长投；数字金融覆盖的广度和使用深度均对企业短贷长投产生了缓解效应，而数字化程度的影响效应不显著。进一步从金融监管强度、银行业竞争、企业规模和企业技术特质视角探讨数字金融对企业短贷长投发挥效应的适用条件，结果显示，强金融监管是数字金融对企业短贷长投发挥抑制作用的重要基础；当银行业竞争激烈时，数字金融抑制企业短贷长投的效应更加显著；数字金融对小型企业和高技术行业企业短贷长投的抑制作用更强，从而在一定程度上说明数字金融能够弥补传统金融的不足，体现出较强的普惠特征。从数字金融视角探究企业投融资期限错配的影响因素，丰富了数字金融微观视角经济后果的研究，同时也为我国规范发展数字金融、鼓励银行适度竞争、引导企业合理投融资决策提供了政策依据。Abstract: Taking A-share listed companies in Shanghai and Shenzhen from 2011 to 2018 as samples, this paper investigates the impact of digital finance on the mismatch of investment and financing term. It is found that digital finance can effectively restrain the mismatch of investment and financing term; digital finance can alleviate the financing constraints faced by companies to obtain long-term capital and restrain overinvestment, so as to alleviate the investment with short-term financing; both the coverage and depth of digital finance have positive effects on the investment with short-term financing, while the effect of digital degree is not significant. From the perspective of financial supervision intensity, banking competition, enterprise scale and enterprise technical characteristics, this paper examines the applicable conditions for digital finance to exert its effect on the investment with short-term financing. The results show that strict financial supervision is an important basis for digital finance to inhibit the investment with short-term financing; when the competition in banking industry is fierce, digital finance suppressed the investment with short-term financing; digital finance can make up for the deficiency of traditional finance, representing the inclusive feature. From the new perspective of digital finance, this paper explores the influencing factors of the mismatch of investment and financing term, enriches the research on the economic consequences from the micro perspective of digital finance, and provides policy basis for standardizing the development of digital finance, encouraging moderate competition of banks, and guiding enterprises to make reasonable investment and financing decisions.
-
表 1 变量及定义
变量类型 变量名称 变量符号 变量说明 被解释变量 短贷长投 SFLI 购建固定资产等投资活动现金支出-(长期借款本期增加额+本期权益增加额+经营活动现金净流量+出售固定资产现金流入)，利用期初总资产剔除规模效应 解释变量 数字金融指数 DIF_CITY 市级层面数字金融发展指数 数字金融指数 DIF 省级层面数字金融发展指数(稳健性检验使用) 覆盖广度 CovBrea 取自《数字金融普惠金融指数》 使用深度 UsaDep 取自《数字金融普惠金融指数》 数字化程度 DigLevel 取自《数字金融普惠金融指数》 控制变量 公司规模 Size 总资产取自然对数 流动比率 Currate 流动资产/流动负债 主营业务收入增长率 Growth1 (本年主营业务收入-去年主营业务收入)/上年主营业务收入 总资产增长率 Growth2 本年总资产-上年总资产除以上年总资产 投资机会 TbinQ 市值/总资产 股权性质 State 国有企业取值为1，否则为0 第一大股东持股比例 Top1 第一大股东持股数量/总股数 董事会会议次数 Ln_board 董事会会议次数的自然对数 高管持股比例 Mshr 高管持股数量/总股数 独立董事比例 Inditor 独立董事人数/董事会人数 两职合一 Dual 总经理与董事长是否兼任 高管政治关联 PC 董事长、总经理中任意一人现任或曾任政府官员取值为1，否则为0 GDP增长率 GDPGT (所在省当期GDP-上期GDP)/上期GDP 社会信任 Trust 中国综合社会调查(CGSS)中“总的来说，您是否同意在这个社会上，绝大多数人都是可以信任的?”，被调查者可以从“完全不同意”到“完全同意”5种选项中选择最合适的答案。分别赋值为1、2、3、4、5。计算该地区被调查者答案的简单平均数作为当年的社会信任水平 行业(年份) Ind×Year 行业与年份的交互固定效应 
下载: 导出CSV
表 2 描述性统计
变量 样本量 均值 中位数 标准差 最小值 最大值 SFLI 9 824 -0.166 -0.145 0.158 -0.604 0.144 DIF_CITY 9 824 0.623 0.665 0.238 0.158 0.951 Size 9 824 21.80 21.70 1.010 20.00 24.10 Currate 9 824 2.900 1.920 2.690 0.607 13.50 Growth1 9 824 0.217 0.154 0.356 -0.370 1.590 Growth2 9 824 0.208 0.117 0.321 -0.177 1.560 TbinQ 9 824 2.210 1.810 1.210 1.060 7.030 State 9 824 0.058 0 0.234 0 1 Top1 9 824 32.30 30.20 13.50 10.50 64.70 Ln_board 9 824 2.230 2.200 0.369 1.390 3 Mshr 9 824 0.110 0.018 0.160 0 0.580 Inditor 9 824 0.375 0.333 0.049 0.333 0.500 Dual 9 824 0.351 0 0.477 0 1 PC 9 824 0.379 0 0.485 0 1 GDPGT 9 824 0.098 0.095 0.032 0.022 0.192 Trust 9 824 3.350 3.370 0.148 3.120 3.670
下载: 导出CSV
表 3 回归结果
变量 (1) (2)滞后一期 (3)省级 (4)剔除直辖市样本 SFLI SFLI SFLI SFLI DIF_CITY -0.063 76**(-2.17) -0.063 78* (-1.89) L.DIF_CITY -0.078 13** (-2.10) DIF -0.080 45*** (-3.01) Size -0.014 61*** (-5.75) -0.013 98*** (-5.39) -0.012 78*** (-5.14) -0.016 35*** (-6.14) Currate -0.001 33* (-1.82) -0.001 57* (-1.85) -0.003 65*** (-4.77) -0.004 66*** (-5.89) Growth1 -0.058 39*** (-8.03) -0.043 52*** (-5.19) 0.020 14*** (3.75) 0.017 69*** (2.87) Growth2 -0.016 02*** (-2.85) -0.041 54*** (-3.52) -0.243 03*** (-38.71) -0.243 69*** (-33.91) TbinQ 0.002 02*** (11.95) 0.002 03*** (11.52) -0.005 68** (-2.38) -0.008 38*** (-3.66) State 0.033 90*** (3.35) 0.027 81*** (2.78) 0.024 47*** (2.79) 0.025 54** (2.57) Top1 -0.000 71*** (-4.37) -0.000 74*** (-4.52) -0.000 62*** (-4.16) -0.000 66*** (-4.22) Ln_board -0.002 65 (-0.48) -0.000 48 (-0.09) 0.021 17*** (4.13) 0.019 24*** (3.39) Mshr -0.079 54*** (-5.13) -0.071 21*** (-4.46) -0.057 16*** (-3.98) -0.070 10*** (-4.87) Inditor 0.068 72* (1.66) 0.085 82** (2.10) 0.060 25* (1.65) 0.071 29* (1.76) Dual 0.001 75 (0.34) 0.002 00 (0.39) 0.003 82 (0.85) 0.004 46 (0.94) PC -0.002 93 (-0.68) -0.004 18 (-0.98) -0.002 48 (-0.65) -0.001 36 (-0.33) GDPGT -0.051 79 (-0.84) -0.079 70 (-1.32) -0.010 73 (-0.15) 0.000 42 (0.01) Trust 0.007 44 (0.47) 0.004 65 (0.28) 0.011 50 (0.78) 0.004 81 (0.32) _cons 0.203 23** (2.40) 0.200 94** (2.32) 0.152 98* (1.82) 0.252 78*** (2.86) Ind×Year 是 是 是 是 N 9 824 8 883 9 824 8 228 adj. R2 0.176 0.207 0.398 0.393 注：括号内为t值，***、**、*分别表示在1%、5%、10%的显著性水平。下表同。
下载: 导出CSV
表 4 中介效应检验结果
变量 (1) (2) (3) (4) KZ SFLI Overinv SFLI DIF_CITY -0.678 76** (-2.12) -0.069 81*** (-2.92) -0.016 86*** (-5.64) -0.040 42** (-2.06) KZ 0.012 46*** (4.46) Overinv 0.849 34*** (31.00) Size 0.106 53*** (4.47) -0.008 23*** (-7.68) 0.004 75*** (4.60) -0.011 59*** (-8.76) Currate -0.038 56*** (-3.93) 0.000 36* (1.77) -0.000 23** (-2.05) -0.000 38 (-0.99) Growth1 -0.089 82 (-0.82) -0.017 77*** (-6.87) 0.005 96*** (7.40) -0.017 47*** (-7.69) Growth2 -0.276 34** (-2.07) -0.000 18 (-0.10) 0.000 74*** (3.22) -0.002 92*** (-2.72) TbinQ -0.071 51*** (-56.37) 0.000 84*** (3.96) 0.000 10* (1.83) -0.000 12 (-0.96) State 0.343 75*** (3.64) 0.010 77** (2.47) -0.009 83*** (-2.84) 0.013 11*** (2.76) Top1 -0.012 45*** (-7.00) -0.000 15** (-2.05) 0.000 01 (0.17) -0.000 29*** (-3.13) Ln_board 0.402 43*** (9.26) -0.006 46** (-2.55) 0.010 61*** (7.39) 0.006 72** (2.32) Mshr -0.578 85*** (-4.56) -0.027 74*** (-4.01) 0.002 52 (0.41) -0.035 32*** (-3.94) Inditor 1.410 97** (2.34) 0.005 53 (0.30) -0.001 98 (-0.16) 0.039 66* (1.81) Dual 0.073 86* (1.78) 0.000 11 (0.05) 0.003 14** (2.10) 0.001 75 (0.63) PC -0.000 78 (-0.02) -0.001 67 (-0.86) -0.003 62*** (-2.66) -0.002 94 (-1.23) GDPGT -0.028 90 (-0.05) -0.048 09* (-1.84) -0.000 45 (-0.04) -0.043 50 (-1.40) Trust 0.196 54 (1.45) 0.003 00 (0.45) 0.005 56 (1.22) -0.001 54 (-0.18) _cons -3.186 78*** (-4.22) 0.088 01** (2.36) -0.121 50*** (-4.68) 0.141 48*** (3.17) Ind×Year 是 是 是 是 N 9 824 9 824 8 274 8 274 adj. R2 0.373 0.158 0.039 0.235
下载: 导出CSV
表 5 工具变量回归结果
变量 DIF_CITY SFLI NetRate 0.003 33*** (66.04) DIF_CITY -0.071 93** (-1.98) Size 0.000 33 (0.49) -0.012 04*** (-7.36) Currate -0.000 42** (-2.20) -0.003 40*** (-7.48) Growth1 -0.003 52*** (-2.78) 0.020 87*** (6.77) Growth2 0.000 96 (0.64) -0.227 08*** (-63.36) TbinQ 0.000 20 (0.42) -0.008 18*** (-6.97) State -0.015 43*** (-6.18) 0.025 41*** (4.20) Top1 0.000 13*** (3.04) -0.000 60*** (-6.09) Ln_board -0.002 12 (-1.30) 0.017 88*** (4.58) Mshr 0.027 57*** (6.71) -0.056 21*** (-5.63) Inditor 0.016 02 (1.50) 0.048 33* (1.88) Dual 0.000 61 (0.46) 0.004 76 (1.50) PC -0.005 76*** (-4.93) -0.003 02 (-1.07) GDPGT 0.395 27*** (15.38) -0.013 13 (-0.22) Trust 0.009 76** (2.12) 0.017 91* (1.65) Ind×Year 是 是 N 9 824 9 824 adj. R2 0.347
下载: 导出CSV
表 6 数字金融具体特征影响
变量 (1) (2) (3) SFLI SFLI SFLI CovBrea -0.023 90* (-1.71) UsaDep -0.050 96***(-3.22) DigLevel 0.022 72 (0.79) Size -0.006 93*** (-6.05) -0.006 95*** (-6.07) -0.006 93*** (-6.06) Currate -0.000 13 (-0.59) -0.000 13 (-0.60) -0.000 12 (-0.58) Growth1 -0.018 85*** (-9.08) -0.019 01*** (-9.17) -0.018 80*** (-9.04) Growth2 -0.003 63*** (-2.68) -0.003 61*** (-2.67) -0.003 62*** (-2.68) TbinQ -0.000 05 (-0.56) -0.000 05 (-0.58) -0.000 04 (-0.51) State 0.015 14*** (3.38) 0.014 60*** (3.26) 0.015 79*** (3.52) Top1 -0.000 31*** (-3.94) -0.000 30*** (-3.83) -0.000 31*** (-3.96) Ln_board -0.001 33 (-0.53) -0.001 71 (-0.69) -0.001 46 (-0.59) Mshr -0.035 21*** (-4.98) -0.035 09*** (-4.98) -0.036 56*** (-5.19) Inditor 0.022 99 (1.24) 0.021 83 (1.18) 0.022 07 (1.19) Dual 0.000 97 (0.41) 0.001 03 (0.43) 0.000 87 (0.37) PC -0.001 70 (-0.82) -0.001 49 (-0.73) -0.001 40 (-0.68) GDPGT -0.060 53** (-2.28) -0.058 44** (-2.20) -0.062 70** (-2.34) Trust 0.005 68 (0.78) 0.003 23 (0.45) 0.009 34 (1.34) _cons 0.015 14 (0.39) 0.038 85 (1.01) -0.020 24 (-0.56) Ind×Year 是 是 是 N 9 824 9 824 9 824 adj. R2 0.113 0.115 0.113
下载: 导出CSV
表 7 不同金融监管和银行业竞争下数字金融与企业短贷长投关系的横截面差异分析
变量 (1)金融监管弱 (2)金融监管强 (3)银行业竞争程度低 (4)银行业竞争程度高 SFLI SFLI SFLI SFLI DIF_CITY -0.015 45 (-0.30) -0.083 30** (-2.02) -0.050 31 (-1.21) -0.102 46** (-2.10) Size -0.010 43*** (-3.01) -0.019 56*** (-5.70) -0.009 69*** (-4.00) -0.012 52*** (-4.40) Currate -0.000 85 (-1.22) -0.003 80*** (-2.79) -0.000 53 (-0.85) -0.000 20 (-0.53) Growth1 -0.053 32*** (-5.74) -0.051 41*** (-4.35) -0.023 15*** (-5.70) -0.025 90*** (-4.46) Growth2 -0.010 54** (-2.21) -0.038 61** (-2.36) -0.004 85** (-2.31) -0.007 51 (-1.50) TbinQ 0.002 12*** (15.94) -0.001 05 (-0.42) 0.000 11* (1.76) -0.005 88*** (-3.14) State 0.043 49*** (3.21) 0.023 36** (2.07) 0.020 08** (2.41) 0.031 12*** (2.62) Top1 -0.000 26 (-1.24) -0.001 18*** (-5.32) -0.000 31* (-1.83) -0.000 36** (-2.18) Ln_board -0.008 52 (-1.13) 0.001 66 (0.22) -0.003 50 (-0.65) -0.010 28* (-1.90) Mshr -0.061 76*** (-3.14) -0.095 97*** (-4.41) -0.047 43*** (-2.91) -0.052 08*** (-3.53) Inditor 0.062 57 (1.11) 0.076 30 (1.41) 0.062 16 (1.58) 0.008 87 (0.21) Dual 0.000 51 (0.07) 0.003 88 (0.59) 0.004 81 (0.89) 0.003 91 (0.79) PC -0.002 66 (-0.45) -0.002 81 (-0.50) -0.002 43 (-0.53) -0.004 05 (-0.93) GDPGT 0.260 43* (1.77) -0.131 16** (-2.00) -0.048 52 (-1.07) 0.249 91 (1.36) Trust -0.014 60 (-0.65) 0.016 10 (0.84) -0.015 29 (-0.82) 0.032 03** (1.97) _cons 0.092 01 (0.83) 0.345 92*** (3.07) 0.140 62 (1.56) 0.035 79 (0.37) Ind×Year 是 是 是 是 N 4 506 5 318 3 610 4 940 adj. R2 0.175 0.203 0.131 0.145 注：银行业竞争指标数据截至2017年。
下载: 导出CSV
表 8 企业层面数字金融与企业短贷长投关系的横截面差异分析
变量 (1)大型企业 (2)小型企业 (3)非高技术企业 (4)高技术企业 SFLI SFLI SFLI SFLI DIF_CITY -0.061 31 (-1.42) -0.113 75** (-2.18) -0.051 29 (-1.01) -0.070 01** (-2.11) Currate -0.002 33 (-1.48) -0.000 35 (-0.46) -0.001 93 (-1.51) -0.003 99*** (-5.37) Growth1 -0.062 39*** (-8.25) -0.075 13*** (-6.68) 0.011 66 (1.61) 0.026 90*** (4.37) Growth2 -0.010 68*** (-2.63) -0.278 22*** (-14.47) -0.197 39*** (-18.94) -0.244 79*** (-36.05) TbinQ -0.023 38*** (-7.81) -0.278 22*** (-14.47) -0.005 21 (-1.52) -0.009 62*** (-4.08) State 0.030 26*** (3.35) -0.278 22*** (-14.47) 0.028 81** (2.52) 0.034 63*** (2.96) Top1 -0.000 79*** (-4.01) -0.278 22*** (-14.47) -0.000 56** (-2.45) -0.000 65*** (-3.77) Ln_board -0.003 84 (-0.59) -0.278 22*** (-14.47) 0.011 77 (1.45) 0.020 17*** (3.56) Mshr -0.056 66*** (-2.98) -0.103 42*** (-5.14) -0.092 89*** (-3.80) -0.046 70*** (-3.18) Inditor 0.078 54 (1.39) 0.065 93 (1.19) 0.128 56** (2.13) 0.011 72 (0.28) Dual 0.003 44 (0.54) 0.003 90 (0.54) 0.007 15 (0.92) 0.004 04 (0.83) PC 0.001 25 (0.23) -0.012 83** (-2.02) 0.004 58 (0.74) -0.006 16 (-1.40) GDPGT -0.047 04 (-0.61) -0.049 24 (-0.50) -0.160 03 (-1.39) 0.102 66 (1.21) Trust 0.007 73 (0.40) 0.001 75 (0.08) 0.014 74 (0.67) 0.016 71 (1.00) Size -0.010 36*** (-2.63) -0.014 27*** (-4.88) _cons -0.071 90 (-0.85) -0.085 49 (-0.93) 0.066 15 (0.53) 0.182 22* (1.84) Ind×Year 是 是 是 是 N 5 240 4 584 3 468 6 356 adj. R2 0.433 0.430 0.369 0.448
下载: 导出CSV
-
[1] 钟凯, 程小可, 张伟华. 货币政策适度水平与企业"短贷长投"之谜[J]. 管理世界, 2016(3): 87-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201603009.htm [2] 白云霞, 邱穆青, 李伟. 投融资期限错配及其制度解释——来自中美两国金融市场的比较[J]. 中国工业经济, 2016(7): 23-39. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201607003.htm [3] 黄益平, 黄卓. 中国的数字金融发展: 现在与未来[J]. 经济学(季刊), 2018(4): 1489-1502. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201804009.htm [4] DUNCOMBE R, BOATENG R. Mobile phones and financial services in developing countries: a review of concepts, methods, issues, evidence and future research directions[J]. Third World Quarterly, 2009, 30(7): 1237-1258. doi: 10.1080/01436590903134882 [5] 马红, 侯贵生, 王元月. 产融结合与我国企业投融资期限错配——基于上市公司经验数据的实证研究[J]. 南开管理评论, 2018(3): 46-53. doi: 10.3969/j.issn.1008-3448.2018.03.006 [6] 沈红波, 华凌昊, 郎宁. 地方国有企业的投融资期限错配: 成因与治理[J]. 财贸经济, 2019(1): 70-82. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201901006.htm [7] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020(5): 52-66. doi: 10.3969/j.issn.1002-5502.2020.05.005 [8] 李春涛, 闫续文, 宋敏, 等. 金融科技与企业创新——新三板上市公司的证据[J]. 中国工业经济, 2020(1): 81-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202001006.htm [9] 黄锐, 赖晓冰, 唐松. 金融科技如何影响企业融资约束?——动态效应、异质性特征与宏微观机制检验[J]. 国际金融研究, 2020(6): 25-33. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202006003.htm [10] 黄浩. 数字金融生态系统的形成与挑战——来自中国的经验[J]. 经济学家, 2018(4): 80-85. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201804011.htm [11] 郭峰, 孔涛, 王靖一. 互联网金融空间集聚效应分析——来自互联网金融发展指数的证据[J]. 国际金融研究, 2017(8): 75-85. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR201708008.htm [12] 陈智, 吉亚辉. 中国高技术产业创新绩效的影响因素研究——基于中国省级面版数据的空间计量分析[J]. 江南大学学报: 人文社会科学版, 2019(2): 108-115. doi: 10.3969/j.issn.1671-6973.2019.02.015 [13] 尹志超, 公雪, 郭沛瑶. 移动支付对创业的影响——来自中国家庭金融调查的微观证据[J]. 中国工业经济, 2019(3): 119-137. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201903010.htm [14] 刘满凤, 赵珑. 互联网金融视角下小微企业融资约束问题的破解[J]. 管理评论, 2019(3): 39-49. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201903019.htm [15] MORRIS J R. On corporate debt maturity strategies[J]. The Journal of Finance (New York), 1976, 31(1): 29-37. doi: 10.1111/j.1540-6261.1976.tb03193.x [16] MYERS S C. Determinants of corporate borrowing[J]. Journal of Financial Economics, 1977, 5(2): 147-175. doi: 10.1016/0304-405X(77)90015-0 [17] JUN S G, JEN F C. The determinants and implications of matching maturities[J]. Review of Pacific Basin Financial Markets & Policies, 2005, 8(2): 309-337. doi: 10.1142/S0219091505000397 [18] CAMPELLO M, GIAMBONA E, GRAHAM J R, et al. Liquidity management and corporate investment during a financial crisis[J]. NBER Working Papers, 2010, 24(6): 1944-1979. [19] 张新民, 叶志伟. 得"信"者多助?——社会信任能缓解企业短贷长投吗?[J]. 外国经济与管理, 2020(1): 44-57, 72. [20] 赖黎, 唐芸茜, 夏晓兰, 等. 董事高管责任保险降低了企业风险吗?——基于短贷长投和信贷获取的视角[J]. 管理世界, 2019(10): 160-171. doi: 10.3969/j.issn.1002-5502.2019.10.014 [21] FUSTER A, PLOSSER M, SCHNABL P, et al. The role of technology in mortgage lending[J]. The Review of Financial Studies, 2019, 32(5): 1854-1899. doi: 10.1093/rfs/hhz018 [22] LIN M, PRABHALA N R, VISWANATHAN S. Judging borrowers by the company they keep: friendship networks and information asymmetry in online peer-to-peer lending[J]. Management Science, 2013, 59(1): 17-35. doi: 10.1287/mnsc.1120.1560 [23] JAGTIANI J, LEMIEUX C. Do fintech lenders penetrate areas that are underserved by traditional banks?[J]. Journal of Economics & Business, 2018, 100(11-12): 43-54. http://d.wanfangdata.com.cn/periodical/30c8869f3a1b0f9a7d6e1b6209702715 [24] ITAY G, WEI J, ANDREW K G. To FinTech and beyond[J]. Review of Financial Studies, 2019, 32(5): 1647-1661. doi: 10.1093/rfs/hhz025 [25] 谢平, 邹传伟. 互联网金融模式研究[J]. 金融研究, 2012(12): 11-22. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201212004.htm [26] DELL' ARICCIA G. Asymmetric information and the structure of the banking industry[J]. European Economic Review, 2001, 45(10): 1957-1980. doi: 10.1016/S0014-2921(00)00085-4 [27] OMARINI A E. Banks and fintechs: how to develop a digital open banking approach for the bank's future[J]. International Business Research, 2018, 11(9): 23-26. doi: 10.5539/ibr.v11n9p23 [28] 姜付秀, 蔡文婧, 蔡欣妮, 等. 银行竞争的微观效应: 来自融资约束的经验证据[J]. 经济研究, 2019(6): 72-88. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201906006.htm [29] 卢太平, 张东旭. 融资需求、融资约束与盈余管理[J]. 会计研究, 2014(1): 35-41. https://www.cnki.com.cn/Article/CJFDTOTAL-KJYJ201401006.htm [30] BUSHMAN R M, SMITH A J. Financial accounting information and corporate governance[J]. Journal of Accounting and Economics, 2001, 32(1-3): 237-333. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=241939 [31] FRANK M Z, GOYAL V K. Testing the pecking order theory of capital structure[J]. Journal of Financial Economics, 2003, 67(2): 217-248. http://www.sciencedirect.com/science/article/pii/S0304405X02002520 [32] 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据[J]. 经济学(季刊), 2018(4): 1557-1580. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201804012.htm [33] 邱穆青, 白云霞. 官员访问与企业投融资期限错配[J]. 财经研究, 2019(10): 138-152. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ201910012.htm [34] BAI J. Panel data models with interactive fixed effects[J]. Econometrica, 2009, 77(4): 1229-1279. http://pan.oxfordjournals.org/external-ref?access_num=10.3982/ECTA6135&link_type=DOI [35] 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[R]. 北京: 北京大学数字金融研究中心工作论文, 2019. [36] 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614-620. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXB200405016.htm [37] 唐雪松, 周晓苏, 马如静. 政府干预、GDP增长与地方国企过度投资[J]. 金融研究, 2010(8): 33-48. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201008005.htm [38] BENFRATELLO L, SCHIANTARELLI F, SEMBENELLI A. Banks and innovation: microeconometric evidence on Italian firms[J]. Journal of Financial Economics, 2008, 90(2): 197-217. [39] 徐飞. 银行信贷与企业创新困境[J]. 中国工业经济, 2019(1): 119-136. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201901010.htm [40] BUCHAK G, MATVOS G, PISKORSKI T, et al. Fintech, regulatory arbitrage, and the rise of shadow banks[J]. Journal of Financial Economics, 2018, 130(3): 453-483. http://www.sciencedirect.com/science/article/pii/S0304405X1830237X [41] 王玉泽, 罗能生, 刘文彬. 什么样的杠杆率有利于企业创新[J]. 中国工业经济, 2019(3): 138-155. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201903011.htm -
点击查看大图
图(1) / 表(8)
计量
- 文章访问数: 737
- HTML全文浏览量: 1111
- PDF下载量: 41
- 被引次数: 0