陳敏 孫華榮 傅琪

摘? ?要：大數(shù)據(jù)技術(shù)憑借其強(qiáng)大的信息獲取處理優(yōu)勢(shì)成為當(dāng)下緩解中小微企業(yè)融資困境的重要手段。基于2012—2020年山東省14家商業(yè)銀行中小微企業(yè)信貸供給月度面板數(shù)據(jù)，考察了大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給的影響及其作用機(jī)制。研究發(fā)現(xiàn)：大數(shù)據(jù)技術(shù)顯著提高了山東省中小微企業(yè)信貸供給，而這種影響效果會(huì)因商業(yè)銀行類型、企業(yè)規(guī)模、大數(shù)據(jù)技術(shù)發(fā)展階段的不同而呈現(xiàn)顯著差異。機(jī)制檢驗(yàn)進(jìn)一步證實(shí)，大數(shù)據(jù)技術(shù)主要通過(guò)貸前信息篩選與貸后風(fēng)險(xiǎn)管控兩個(gè)渠道作用于山東省中小微企業(yè)信貸供給，且渠道的作用效果對(duì)于不同類型的商業(yè)銀行以及不同規(guī)模的企業(yè)也呈現(xiàn)出明顯的異質(zhì)性?；诖?，為有效紓解中小微企業(yè)融資困境，建議不斷增強(qiáng)大數(shù)據(jù)技術(shù)緩解中小微企業(yè)融資約束的正向作用，靈活依據(jù)商業(yè)銀行類型、企業(yè)規(guī)模有差別地推動(dòng)大數(shù)據(jù)技術(shù)發(fā)展，并有效疏通大數(shù)據(jù)技術(shù)提升中小微企業(yè)信貸供給的貸前貸后傳導(dǎo)渠道。

關(guān)鍵詞：融資約束；信息不對(duì)稱；信貸風(fēng)險(xiǎn)

中圖分類號(hào)：F832? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2023）02-0044-10

DOI：10.19647/j.cnki.37-1462/f.2023.02.006

一、引言

中小微企業(yè)是我國(guó)經(jīng)濟(jì)發(fā)展的重要組成部分和支撐力量，但其面臨著“硬”信息不足、信用缺失等一系列問(wèn)題，這造成中小微企業(yè)能獲得的金融資源與其所處的經(jīng)濟(jì)地位極為不符。加之近年來(lái)新冠肺炎疫情等因素的影響，中小微企業(yè)的融資約束問(wèn)題顯得尤為突出。與此同時(shí)，我國(guó)大數(shù)據(jù)技術(shù)迅速崛起，其在改善信貸質(zhì)量、緩解信息不對(duì)稱等方面具有明顯的優(yōu)勢(shì)，也被創(chuàng)新性地應(yīng)用于信貸領(lǐng)域，成為助力中小微企業(yè)解決融資需求的可能路徑。以中國(guó)郵政儲(chǔ)蓄銀行為例，該行近年來(lái)依托科技賦能，積極將大數(shù)據(jù)技術(shù)嵌入信貸業(yè)務(wù)，推出“小微易貸”“科技信用貸”“極速貸”等創(chuàng)新金融產(chǎn)品，截至2022年3月末，實(shí)體貸款新增占比高達(dá)99%，普惠小微企業(yè)貸款余額突破1萬(wàn)億元，較上年末增長(zhǎng)4%。由此可見(jiàn)，大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給起到了一定的積極作用，這一作用效果是否顯著以及作用渠道如何，本文將以山東省為例進(jìn)行理論梳理與實(shí)證檢驗(yàn)，對(duì)于驅(qū)動(dòng)我國(guó)商業(yè)銀行業(yè)數(shù)字化改革，促進(jìn)中小微企業(yè)健康發(fā)展，從而更好地推動(dòng)金融服務(wù)實(shí)體經(jīng)濟(jì)具有重要的理論與現(xiàn)實(shí)意義。

大數(shù)據(jù)技術(shù)是金融科技的核心驅(qū)動(dòng)力（李建軍，2021）[1]。相較于提供底層服務(wù)的云計(jì)算、高效完成特定任務(wù)的人工智能、實(shí)現(xiàn)分布式數(shù)據(jù)共享的區(qū)塊鏈等其他技術(shù)（王烽權(quán)等，2020；李勇建和陳婷，2021；劉婷和李冬，2021；劉乃梁和呂豪杰，2022）[2-5]，大數(shù)據(jù)技術(shù)與依托信息的金融行業(yè)更具有天然的耦合性。大數(shù)據(jù)技術(shù)具有信息體量大、傳輸速度快、潛在價(jià)值高等特點(diǎn)（唐跟利和陳立泰，2021）[6]，以數(shù)據(jù)開(kāi)放共享流通為基礎(chǔ)，進(jìn)而對(duì)數(shù)據(jù)展開(kāi)采集、分析、挖掘與交易，為用戶提供更具價(jià)值的信息和知識(shí)。與此同時(shí)，商業(yè)銀行的信貸供給過(guò)程需要以大量企業(yè)信息為支撐，信息不對(duì)稱正是阻礙中小微企業(yè)融資的根本原因（劉音露等，2019）[7]，信息化是促進(jìn)中小微企業(yè)融資“增量”的關(guān)鍵因素。大數(shù)據(jù)技術(shù)恰恰可借助其信息優(yōu)勢(shì)賦能商業(yè)銀行，通過(guò)整合借款企業(yè)真實(shí)有效信息，挖掘企業(yè)投資價(jià)值，引導(dǎo)商業(yè)銀行資金供給與企業(yè)融資需求相匹配，進(jìn)而調(diào)動(dòng)更多信貸資源流向中小微企業(yè)，真正地服務(wù)于中小微企業(yè)。

目前，大量文獻(xiàn)是從金融科技的整體視角探討中小微企業(yè)融資問(wèn)題（Jak?i?和Marin?，2019；盛天翔等，2020；金洪飛等，2020；粟勤和楊景陸，2022）[8-11]，也有部分學(xué)者選擇大數(shù)據(jù)技術(shù)視角展開(kāi)研究。一些學(xué)者指出，大數(shù)據(jù)技術(shù)在商業(yè)銀行小微企業(yè)信貸業(yè)務(wù)拓展方面具有廣闊的應(yīng)用場(chǎng)景，認(rèn)為大數(shù)據(jù)技術(shù)創(chuàng)造的“信用資本”和“信用抵押”有助于解決“小微企業(yè)融資悖論”難題（黃子健和王龑，2015）[12]。從征信層面來(lái)看，大數(shù)據(jù)技術(shù)能夠以極低的成本挖掘海量非結(jié)構(gòu)化數(shù)據(jù)，這有利于商業(yè)銀行借助大數(shù)據(jù)技術(shù)緩解與借款企業(yè)的信息不對(duì)稱，從而助力中小微企業(yè)融資增信并緩解融資約束（許志勇等，2021）[13]；從風(fēng)險(xiǎn)管理層面來(lái)看，大數(shù)據(jù)技術(shù)有助于商業(yè)銀行采集借款企業(yè)的償還能力與信用水平信息以評(píng)估貸款額度，并通過(guò)多樣有效的措施進(jìn)行貸后風(fēng)險(xiǎn)管控，這在一定程度上有利于商業(yè)銀行控制貸款風(fēng)險(xiǎn)，進(jìn)而降低中小微企業(yè)融資成本（姜婷鳳和易潔菲，2022）[14]。但這些研究?jī)H停留在理論層面，大數(shù)據(jù)技術(shù)紓解中小微企業(yè)融資困境的實(shí)際效果以及其中的渠道機(jī)制等問(wèn)題仍有待進(jìn)一步的實(shí)證研究，這也正是本文研究的切入點(diǎn)。此外，進(jìn)一步梳理文獻(xiàn)發(fā)現(xiàn)，已有文獻(xiàn)僅集中討論大數(shù)據(jù)技術(shù)與中小微企業(yè)融資之間的關(guān)系，卻未區(qū)分企業(yè)類型展開(kāi)對(duì)比分析，而大數(shù)據(jù)技術(shù)對(duì)大型、中型、小型、微型企業(yè)信貸供給的差異性影響也將是本文的研究重點(diǎn)。

本文的邊際貢獻(xiàn)如下：首先，本文利用山東省中小微企業(yè)的月度信貸數(shù)據(jù)，對(duì)山東省省域?qū)用娴拇髷?shù)據(jù)技術(shù)與中小微企業(yè)信貸供給的關(guān)系展開(kāi)實(shí)證研究，這為商業(yè)銀行借助大數(shù)據(jù)技術(shù)調(diào)整信貸配給、加大對(duì)中小微企業(yè)的信貸支持提供了實(shí)證依據(jù)。其次，本文從貸前信息篩選和貸后風(fēng)險(xiǎn)管控兩個(gè)渠道，系統(tǒng)分析大數(shù)據(jù)技術(shù)如何引導(dǎo)信貸資源遵循市場(chǎng)規(guī)則向中小微企業(yè)可持續(xù)供給。最后，區(qū)別于以往文獻(xiàn)，本文檢驗(yàn)了銀行層面和企業(yè)層面?zhèn)鲗?dǎo)渠道作用效果的異質(zhì)性，這為有效推出差異化的管理策略提供了借鑒與指導(dǎo)。

二、大數(shù)據(jù)技術(shù)影響中小微企業(yè)信貸供給的理論機(jī)制

商業(yè)銀行對(duì)中小微企業(yè)的信貸供給過(guò)程分為貸前篩選和貸后追蹤兩個(gè)環(huán)節(jié)，中小微企業(yè)“融資難”的原因可對(duì)應(yīng)歸結(jié)為兩點(diǎn)：獲客難、風(fēng)控難。結(jié)合已有文獻(xiàn)，本文發(fā)現(xiàn)大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給的作用會(huì)通過(guò)貸前信息篩選和貸后風(fēng)險(xiǎn)管控兩個(gè)渠道實(shí)現(xiàn)（見(jiàn)圖1）。

（一）貸前信息篩選渠道

大數(shù)據(jù)技術(shù)能夠?qū)⒏黝悺败洝毙畔⒂不淅眯畔⒄?、篩選上的比較優(yōu)勢(shì)“賦能”于商業(yè)銀行（宋敏等，2021）[15]，從而高效緩解銀企間的信息不對(duì)稱難題（王奕婷和羅雙成，2022）[16]，有助于擴(kuò)大中小微企業(yè)信貸供給。具體從貸前篩選環(huán)節(jié)來(lái)說(shuō)，作為信貸主要供給方的商業(yè)銀行會(huì)綜合考慮自身風(fēng)險(xiǎn)承擔(dān)能力、貸款成本和收益等方面，優(yōu)先選擇“硬”信息充足的大型企業(yè)發(fā)放貸款（Berger和Black，2010）[17]。即便有部分商業(yè)銀行具有搜集企業(yè)“軟”信息的比較優(yōu)勢(shì)，也難以大范圍、大規(guī)模地發(fā)放關(guān)系型貸款（黃益平和邱晗，2021）[18]。因此，中小微企業(yè)既受限于“硬”信息不足，又缺乏合格抵質(zhì)押品，自然在上述貸前篩選環(huán)節(jié)中被排斥在正規(guī)服務(wù)體系之外；即使商業(yè)銀行通過(guò)篩選中小微企業(yè)信息，選擇性地向其中質(zhì)量相對(duì)較好的企業(yè)發(fā)放貸款，這無(wú)疑也會(huì)加大商業(yè)銀行的獲客和放貸成本。

隨著大數(shù)據(jù)技術(shù)的興起與應(yīng)用，中小微企業(yè)的數(shù)字化轉(zhuǎn)型持續(xù)加快，其在數(shù)字系統(tǒng)中展開(kāi)經(jīng)營(yíng)活動(dòng)，留下經(jīng)營(yíng)流水、營(yíng)收趨勢(shì)、財(cái)務(wù)狀況、履約情況等海量“數(shù)字足跡”。這些“大數(shù)據(jù)”不僅使得中小微企業(yè)的“軟”信息變得更加透明，也可以極大地降低商業(yè)銀行的人工審查監(jiān)督成本（黃銳等，2020）[19]。借助大數(shù)據(jù)技術(shù)，商業(yè)銀行既能夠更容易地搜集和挖掘與中小微企業(yè)真實(shí)經(jīng)營(yíng)相關(guān)的數(shù)字信息，也能夠有效甄別“長(zhǎng)尾”中小微企業(yè)信貸需求（王馨，2015）[20]，并以較低的邊際成本對(duì)其進(jìn)行充分的貸前信息評(píng)估。這緩釋了由銀企間信息不對(duì)稱而導(dǎo)致的中小微企業(yè)融資難問(wèn)題，中小微企業(yè)信貸供給總量得以增加。

（二）貸后風(fēng)險(xiǎn)管控渠道

大數(shù)據(jù)技術(shù)可以協(xié)助商業(yè)銀行構(gòu)建大數(shù)據(jù)風(fēng)控體系（張金清等，2022）[21]，有助于商業(yè)銀行實(shí)現(xiàn)對(duì)中小微企業(yè)風(fēng)險(xiǎn)的精準(zhǔn)判估，從而降低信貸風(fēng)險(xiǎn)，提高中小微企業(yè)正規(guī)融資的可得性。具體從貸后追蹤環(huán)節(jié)來(lái)說(shuō)，由于傳統(tǒng)風(fēng)控技術(shù)成本高、效率低且時(shí)效性差，商業(yè)銀行的貸后管理模式相對(duì)被動(dòng)，無(wú)法及時(shí)抓取中小微企業(yè)違約信息，因而難以控制信貸風(fēng)險(xiǎn)。而大數(shù)據(jù)風(fēng)控體系具有突出的信息和模型優(yōu)勢(shì)，能夠協(xié)助商業(yè)銀行動(dòng)態(tài)、全方位地監(jiān)控中小微企業(yè)的實(shí)時(shí)信息，更加準(zhǔn)確和穩(wěn)健地預(yù)測(cè)違約（Huang等，2020）[22]。在大數(shù)據(jù)風(fēng)控體系支持下，商業(yè)銀行可以通過(guò)重點(diǎn)關(guān)注借款企業(yè)交易行為、償債行為以及經(jīng)營(yíng)狀況等方面的貸后風(fēng)險(xiǎn)指標(biāo)并設(shè)置風(fēng)險(xiǎn)預(yù)警，從而能夠更精準(zhǔn)地進(jìn)行風(fēng)險(xiǎn)防控，降低借款企業(yè)違約的可能性。這種風(fēng)控模式不僅可以確保商業(yè)銀行放貸收益覆蓋放貸成本，也能夠降低商業(yè)銀行放貸虧損的可能性和程度。

在大數(shù)據(jù)技術(shù)的“賦能”下，一方面，中小微企業(yè)的不良貸款率會(huì)降低；另一方面，商業(yè)銀行可以運(yùn)用更加多元化和有效的技術(shù)手段防控并化解信貸風(fēng)險(xiǎn)（Gambacorta等，2019；Cheng和Qu，2020）[23，24]，風(fēng)險(xiǎn)預(yù)測(cè)與控制能力均有所提升（郭品和沈悅，2019；李向前和賀卓異，2021）[25，26]。由此，商業(yè)銀行更有動(dòng)力和信心增加信貸資產(chǎn)組合中的風(fēng)險(xiǎn)資產(chǎn)占比，大幅度地提高放貸積極性，提升風(fēng)險(xiǎn)承擔(dān)意愿，從而能夠覆蓋之前不能被商業(yè)銀行服務(wù)的中小微客群，有利于整體上擴(kuò)大中小微企業(yè)信貸供給。

三、大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給影響的實(shí)證檢驗(yàn)

（一）實(shí)證模型構(gòu)建

為檢驗(yàn)大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的影響，本文基準(zhǔn)模型設(shè)定如下：

[CreditSupplyjt=α0+α1BigDatat+α2Mtcontrol+α3Ijtcontrol+μi+εjt]? ?（1）

其中，[j]表示商業(yè)銀行，[t]表示時(shí)間。被解釋變量為中小微企業(yè)信貸供給[CreditSupplyjt]，核心解釋變量為大數(shù)據(jù)技術(shù)發(fā)展指數(shù)[BigDatat]，[Mtcontrol]、[Ijtcontrol]分別代表商業(yè)銀行層面與宏觀經(jīng)濟(jì)層面的控制變量，[μi]為個(gè)體固定效應(yīng)，[εjt]為誤差擾動(dòng)項(xiàng)。

（二）樣本選擇與數(shù)據(jù)來(lái)源

本文選取山東省作為研究對(duì)象主要基于以下考量：一方面，考慮省域商業(yè)銀行數(shù)據(jù)的可得性與代表性。山東省歷來(lái)是經(jīng)濟(jì)、人口大省，GDP長(zhǎng)期穩(wěn)居全國(guó)前三，民營(yíng)經(jīng)濟(jì)活躍，中小微企業(yè)景氣指數(shù)也一直領(lǐng)跑全國(guó)。本文以山東省為研究對(duì)象，厘清大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給的影響及其機(jī)制，具有較高的代表性和示范性，為未來(lái)借大數(shù)據(jù)技術(shù)之“東風(fēng)”，助推中小微企業(yè)高質(zhì)量發(fā)展提供了重要借鑒。另一方面，雖然山東省中小微企業(yè)整體發(fā)展勢(shì)頭良好，但中小微企業(yè)仍處于產(chǎn)業(yè)鏈下游，發(fā)展短板比較突出，疫情沖擊導(dǎo)致部分中小微企業(yè)面臨資金斷裂困境。這一背景為本文研究大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的影響提供了契機(jī)。

由于大數(shù)據(jù)技術(shù)在我國(guó)起步較晚，選取年度數(shù)據(jù)會(huì)造成數(shù)據(jù)量過(guò)少，因而采用月度數(shù)據(jù)?？紤]到2012年為“大數(shù)據(jù)跨界年度”以及數(shù)據(jù)的完整性與可得性，最終選取2012—2020年山東省4家國(guó)有商業(yè)銀行與10家股份制商業(yè)銀行，共計(jì)14家商業(yè)銀行的月度面板數(shù)據(jù)。商業(yè)銀行數(shù)據(jù)來(lái)自中國(guó)人民銀行，大數(shù)據(jù)技術(shù)指數(shù)所需數(shù)據(jù)來(lái)自百度搜索，控制變量數(shù)據(jù)來(lái)自《山東統(tǒng)計(jì)年鑒》、國(guó)泰安數(shù)據(jù)庫(kù)、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)、各家商業(yè)銀行年報(bào)及社會(huì)責(zé)任報(bào)告。

（三）變量定義與描述

變量說(shuō)明及描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。

1. 被解釋變量：中小微企業(yè)信貸供給（CreditSupply）。本文用中小微企業(yè)貸款余額（自然對(duì)數(shù)）來(lái)衡量①。該指標(biāo)越高，代表中小微企業(yè)尚未歸還商業(yè)銀行的貸款越多，信貸供給越充足。

2. 解釋變量：大數(shù)據(jù)技術(shù)發(fā)展指數(shù)（BigData）。大數(shù)據(jù)技術(shù)指標(biāo)的構(gòu)建是考察大數(shù)據(jù)技術(shù)發(fā)展對(duì)中小微企業(yè)信貸供給影響的關(guān)鍵。已有文獻(xiàn)（施炳展和金祥義，2019；盛天翔和范從來(lái)，2020；李春濤等，2020）[27-29]為本文運(yùn)用“大數(shù)據(jù)技術(shù)詞庫(kù)+百度搜索指數(shù)”的方法構(gòu)建大數(shù)據(jù)技術(shù)發(fā)展指數(shù)提供了啟示。具體構(gòu)建步驟如下：（1）構(gòu)建大數(shù)據(jù)技術(shù)的關(guān)鍵詞詞庫(kù)。借鑒沈悅和郭品（2015）[30]，本文從大數(shù)據(jù)技術(shù)的來(lái)源、特征以及應(yīng)用三個(gè)方面構(gòu)建關(guān)鍵詞詞庫(kù)（見(jiàn)表2）。（2）利用網(wǎng)絡(luò)搜索指數(shù)計(jì)算關(guān)鍵詞的月度詞頻。本文選擇市場(chǎng)份額最大的百度搜索指數(shù)實(shí)現(xiàn)，先在百度搜索指數(shù)平臺(tái)選定山東省作為指定的區(qū)域范圍，然后利用步驟一中得到的大數(shù)據(jù)技術(shù)關(guān)鍵詞詞庫(kù)，獲取各關(guān)鍵詞對(duì)應(yīng)的日度詞頻，并將日數(shù)據(jù)加總?cè)∑骄D(zhuǎn)為月度詞頻。（3）基于熵值法合成山東省大數(shù)據(jù)技術(shù)發(fā)展指數(shù)。本文采用熵值法②確定各關(guān)鍵詞權(quán)重，進(jìn)而合成山東省的大數(shù)據(jù)技術(shù)綜合指數(shù)?？紤]到穩(wěn)健性問(wèn)題，本文將該指數(shù)進(jìn)行對(duì)數(shù)處理。該指數(shù)越大，表示山東省大數(shù)據(jù)技術(shù)發(fā)展水平越高。

在實(shí)現(xiàn)大數(shù)據(jù)技術(shù)發(fā)展指數(shù)量化構(gòu)建后，本文發(fā)現(xiàn)大數(shù)據(jù)技術(shù)共經(jīng)歷了三個(gè)發(fā)展階段（見(jiàn)圖2）：第一階段為大數(shù)據(jù)技術(shù)新興發(fā)展階段（2012—2014年）?！按髷?shù)據(jù)”一詞逐漸進(jìn)入人們視野，金融機(jī)構(gòu)開(kāi)始有意識(shí)地重視數(shù)據(jù)價(jià)值，大批新興產(chǎn)業(yè)涌現(xiàn)。第二階段是大數(shù)據(jù)技術(shù)飛速發(fā)展階段（2014—2018年）。2014年3月，大數(shù)據(jù)首次寫(xiě)入政府工作報(bào)告，2014年也被稱為“中國(guó)大數(shù)據(jù)元年”。隨后，大數(shù)據(jù)逐漸成為各級(jí)政府關(guān)注的熱點(diǎn)，地方政府相關(guān)部門(mén)也出臺(tái)了一系列政策，如2016年山東省出臺(tái)《山東省人民政府關(guān)于促進(jìn)大數(shù)據(jù)發(fā)展的意見(jiàn)》，鼓勵(lì)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展。第三階段是大數(shù)據(jù)技術(shù)高質(zhì)量發(fā)展階段（2018至今）。2018年，大數(shù)據(jù)的新技術(shù)、新業(yè)態(tài)、新模式的不斷涌現(xiàn)，對(duì)數(shù)據(jù)資產(chǎn)運(yùn)營(yíng)與管理提出了更高的要求。對(duì)此，2018年10月，山東省大數(shù)據(jù)局正式掛牌成立，牽頭實(shí)施大數(shù)據(jù)戰(zhàn)略，山東省人民政府又于2019年發(fā)布《數(shù)字山東發(fā)展規(guī)劃（2018—2022年）》，這使得山東省大數(shù)據(jù)技術(shù)進(jìn)入更為規(guī)范的高質(zhì)量發(fā)展階段。

3. 控制變量。除大數(shù)據(jù)技術(shù)外，本文參考既有文獻(xiàn)的研究，從兩個(gè)層面選取可能影響中小微企業(yè)信貸供給的其他因素構(gòu)建控制變量。一是商業(yè)銀行層面的不良貸款率（NPL）（張琳等，2015；孫國(guó)峰和欒稀，2021）[31，32]；二是宏觀經(jīng)濟(jì)層面的物價(jià)水平（CPI）、同業(yè)拆放利率（Rate）、一般公共預(yù)算收入（Revenue）、房地產(chǎn)投資開(kāi)發(fā)（Investment）（金雪軍和徐凱翔，2016；鄺雄等，2019）[33，34]。

（四）基準(zhǔn)回歸

表3匯報(bào)了大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給影響的回歸結(jié)果。結(jié)果顯示，不論是否考慮控制變量，解釋變量的估計(jì)系數(shù)均在1%水平上顯著為正，這說(shuō)明大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給具有高度正向影響?？赡艿脑蚴?，大數(shù)據(jù)技術(shù)“賦能”山東省商業(yè)銀行，緩解了銀企間信息不對(duì)稱，商業(yè)銀行風(fēng)控能力也得以提升，進(jìn)而能夠增加中小微企業(yè)信貸供給。

（五）穩(wěn)健性檢驗(yàn)

為檢驗(yàn)實(shí)證結(jié)果的穩(wěn)健性③，本文依次采用替換解釋變量④、解釋變量滯后一階、解釋變量滯后二階、變換估計(jì)方法（GMM、混合OLS）5種方式重新進(jìn)行估計(jì)，結(jié)果匯報(bào)于表4。結(jié)果顯示，本文分析結(jié)果具有較強(qiáng)的穩(wěn)健性。

（六）異質(zhì)性分析

基準(zhǔn)回歸結(jié)果表明，大數(shù)據(jù)技術(shù)能夠顯著提升山東省中小微企業(yè)信貸供給。對(duì)不同的商業(yè)銀行類型、企業(yè)規(guī)模以及大數(shù)據(jù)技術(shù)發(fā)展階段而言，大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的影響是否存在差異？本文將重點(diǎn)從以上這四個(gè)方面展開(kāi)異質(zhì)性分析。

1. 商業(yè)銀行類型?？紤]到不同類型商業(yè)銀行在傳統(tǒng)信貸技術(shù)方面擅長(zhǎng)的領(lǐng)域不同，發(fā)展水平也各異，大數(shù)據(jù)技術(shù)對(duì)其的影響效果也可能會(huì)存在差異。為探究這一問(wèn)題，本文按照國(guó)有商業(yè)銀行、股份制商業(yè)銀行分組進(jìn)行回歸，結(jié)果見(jiàn)表5。通過(guò)對(duì)比解釋變量的標(biāo)準(zhǔn)化系數(shù)值⑤發(fā)現(xiàn)，大數(shù)據(jù)技術(shù)對(duì)山東省股份制商業(yè)銀行中小微企業(yè)信貸供給的促進(jìn)效果強(qiáng)于國(guó)有商業(yè)銀行。

對(duì)此可能的解釋是，國(guó)有商業(yè)銀行在我國(guó)信貸市場(chǎng)中占據(jù)著主導(dǎo)性地位，掌握著大量的大型企業(yè)等優(yōu)質(zhì)客戶，開(kāi)發(fā)中小微企業(yè)信貸空間的動(dòng)力并不強(qiáng)烈。雖然國(guó)有商業(yè)銀行在山東省中小微企業(yè)信貸供給中的占比最高，但更多的是為了滿足政府和監(jiān)管當(dāng)局的要求，具有一定的被動(dòng)性。相反，股份制商業(yè)銀行在中小微企業(yè)融資方面具有“小銀行優(yōu)勢(shì)”，中小微企業(yè)客戶是其主要的競(jìng)爭(zhēng)對(duì)象。而且隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，中小微企業(yè)的信息獲取成本大幅度降低，在利潤(rùn)驅(qū)動(dòng)下，股份制商業(yè)銀行拓展中小微企業(yè)客戶的動(dòng)力明顯要強(qiáng)于國(guó)有商業(yè)銀行，使得其對(duì)中小微企業(yè)信貸供給大幅增加。

2. 企業(yè)規(guī)模。為進(jìn)一步厘清企業(yè)規(guī)模差異對(duì)大數(shù)據(jù)技術(shù)提升山東省企業(yè)信貸供給的影響，根據(jù)《統(tǒng)計(jì)上大中小微型企業(yè)劃分辦法（2017）》中對(duì)企業(yè)的劃型標(biāo)準(zhǔn)，本文按照從業(yè)人員、營(yíng)業(yè)收入以及資產(chǎn)總額將企業(yè)劃分為大型、中型、小型、微型四類。針對(duì)不同企業(yè)規(guī)模分組進(jìn)行檢驗(yàn)，結(jié)果見(jiàn)表6。大數(shù)據(jù)技術(shù)對(duì)中、小、微企業(yè)信貸供給的作用效果高于大型企業(yè)，對(duì)小型和微型企業(yè)的提升作用優(yōu)于中型企業(yè)。這說(shuō)明企業(yè)規(guī)模越小，越受益于大數(shù)據(jù)技術(shù)發(fā)展所驅(qū)動(dòng)的信貸供給增加。

合理的解釋在于，大數(shù)據(jù)興起之前，大型企業(yè)能夠憑借充足的抵押物獲得信貸，而中小微企業(yè)抵押物不足且“軟”信息相對(duì)缺失，這導(dǎo)致其融資成本偏高，從而受到信貸約束。隨著大數(shù)據(jù)技術(shù)的發(fā)展，商業(yè)銀行利用大數(shù)據(jù)技術(shù)將中小微企業(yè)“軟”信息“硬”化的可能性提高，“硬”信息海量化降低了中小微企業(yè)信用評(píng)估成本，有助于商業(yè)銀行更準(zhǔn)確地進(jìn)行貸前信息篩選和貸后風(fēng)險(xiǎn)管控，且在大數(shù)據(jù)技術(shù)賦能下，商業(yè)銀行會(huì)優(yōu)化信貸結(jié)構(gòu)，增加對(duì)薄弱領(lǐng)域的信貸供給，進(jìn)而促進(jìn)中小微企業(yè)增信獲貸。

3. 大數(shù)據(jù)技術(shù)發(fā)展階段。在不同的發(fā)展階段，大數(shù)據(jù)技術(shù)發(fā)展水平、速度等方面存在較大差異。為檢驗(yàn)各階段大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的差異性影響，按照上文階段劃分分組進(jìn)行檢驗(yàn)，估計(jì)結(jié)果見(jiàn)表7。在三個(gè)發(fā)展階段中，大數(shù)據(jù)技術(shù)與山東省中小微企業(yè)信貸供給均呈現(xiàn)高度正相關(guān)的狀態(tài)。同時(shí)，通過(guò)對(duì)比各階段BigData的標(biāo)準(zhǔn)化系數(shù)值可以看出，大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的促進(jìn)效果遵循“邊際效應(yīng)遞減規(guī)律”。這一結(jié)果符合新事物發(fā)展的“生命周期理論”，即隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，其對(duì)山東省中小微企業(yè)信貸供給的促進(jìn)作用會(huì)逐漸趨于穩(wěn)定。

四、大數(shù)據(jù)技術(shù)作用于山東省中小微企業(yè)信貸供給的渠道檢驗(yàn)

（一）貸前信息篩選渠道

大數(shù)據(jù)技術(shù)能夠挖掘更加透明、真實(shí)且充分的企業(yè)信息，從而降低銀企間信息不對(duì)稱程度，進(jìn)而有利于引導(dǎo)商業(yè)銀行將信貸資源投向中小微企業(yè)。本文借鑒Fosu等（2017）[35]，采用分析師預(yù)測(cè)誤差表征銀企間信息不對(duì)稱程度。分析師是市場(chǎng)信息的傳遞者，發(fā)揮著信息中介作用。分析師預(yù)測(cè)誤差指標(biāo)能夠反映市場(chǎng)間信息傳遞程度，該指標(biāo)越大表明銀企間信息不對(duì)稱程度越高?；诖?，本文構(gòu)建以下模型進(jìn)行檢驗(yàn)：

[CreditSupplyjt=β0+β1BigDatat+β2Errort+β3BigDatat×Errort+β4Mtcontrol+β5Ijtcontrol+μi+εjt] （2）

其中，[Error]表示分析師預(yù)測(cè)誤差，為負(fù)向指標(biāo)，數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)，按照日頻取月均值，其他變量同前文設(shè)定一致。本文將重點(diǎn)關(guān)注交互項(xiàng)的系數(shù)[β3]，[β3]若顯著為負(fù)，則表示大數(shù)據(jù)技術(shù)可以通過(guò)降低銀企間信息不對(duì)稱促進(jìn)山東省中小微企業(yè)信貸供給。表8列（1）匯報(bào)了模型（2）的回歸結(jié)果。交互項(xiàng)的系數(shù)在1%的水平上顯著為負(fù)，這一結(jié)果與預(yù)期相符。分析師預(yù)測(cè)誤差降低意味著能將更多市場(chǎng)信息傳遞給商業(yè)銀行與中小微企業(yè)，有利于降低銀企信息不對(duì)稱程度，因而大數(shù)據(jù)技術(shù)通過(guò)貸前信息篩選渠道對(duì)山東省中小微企業(yè)信貸供給發(fā)揮正向影響。

（二）貸后風(fēng)險(xiǎn)管控渠道

不良貸款率不僅可以影響商業(yè)銀行盈利能力，也會(huì)影響放貸能力。不良貸款率過(guò)高會(huì)導(dǎo)致商業(yè)銀行可貸資金減少，信貸風(fēng)險(xiǎn)加大。借鑒陳敏和高傳君（2022）[36]，本文使用不良貸款率滯后一階衡量商業(yè)銀行貸后風(fēng)險(xiǎn)。模型構(gòu)建如下：

[CreditSupplyjt=γ0+γ1BigDatat+γ2NPLt+γ3BigDatat×L.NPLt+γ4Mtcontrol+γ5Ijtcontrol+μi+εjt]? （3）

其中，[NPL]為不良貸款率，其他變量定義同上。γ3若為負(fù)，說(shuō)明大數(shù)據(jù)技術(shù)能夠通過(guò)降低不良貸款率，增加中小微企業(yè)信貸供給。具體結(jié)果見(jiàn)表8第（2）列，由表可知，交互項(xiàng)的系數(shù)在1%的水平上顯著為負(fù)，證實(shí)了大數(shù)據(jù)技術(shù)有利于降低不良貸款率，商業(yè)銀行損失降低、風(fēng)控水平提升后，自然會(huì)增強(qiáng)“敢貸”的意愿，進(jìn)而促進(jìn)商業(yè)銀行對(duì)山東省中小微企業(yè)的信貸供給。

（三）渠道機(jī)制的差異性分析

根據(jù)前文異質(zhì)性分析可知，大數(shù)據(jù)技術(shù)與山東省中小微企業(yè)信貸供給之間的關(guān)系會(huì)因商業(yè)銀行類型、企業(yè)規(guī)模等的不同而呈現(xiàn)差異。那么，大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給的作用渠道是否又會(huì)因商業(yè)銀行類型差異、企業(yè)規(guī)模不同而產(chǎn)生差異？

1. 商業(yè)銀行類型。表9列（1）—（2）、（3）—（4）分別匯報(bào)了貸前信息篩選與貸后風(fēng)險(xiǎn)管控渠道中，大數(shù)據(jù)技術(shù)對(duì)山東省國(guó)有商業(yè)銀行、股份制商業(yè)銀行中小微企業(yè)信貸供給的回歸結(jié)果。分析發(fā)現(xiàn)，貸前信息篩選渠道中，國(guó)有商業(yè)銀行、股份制商業(yè)銀行交互項(xiàng)的估計(jì)系數(shù)均顯著為負(fù)，且股份制商業(yè)銀行更受益于貸前信息篩選；在貸后風(fēng)險(xiǎn)管控渠道中，大數(shù)據(jù)技術(shù)僅會(huì)通過(guò)貸后風(fēng)險(xiǎn)管控渠道作用于股份制商業(yè)銀行，而對(duì)國(guó)有商業(yè)銀行無(wú)明顯作用，即大數(shù)據(jù)技術(shù)能夠顯著降低股份制商業(yè)銀行中山東省中小微企業(yè)的不良貸款率。這一結(jié)果并不令人意外，相比于股份制商業(yè)銀行，國(guó)有商業(yè)銀行客戶以大型企業(yè)為主，且長(zhǎng)期占據(jù)絕大部分的信貸資源，客觀上信息不對(duì)稱與風(fēng)險(xiǎn)問(wèn)題更小。因而，國(guó)有商業(yè)銀行借助大數(shù)據(jù)技術(shù)打破銀企間的信息與風(fēng)險(xiǎn)藩籬，進(jìn)而紓解中小企業(yè)融資約束的實(shí)際效果就會(huì)大為縮減。相比之下，股份制商業(yè)銀行更“樂(lè)意和主動(dòng)”借助大數(shù)據(jù)技術(shù)打破銀企信息與風(fēng)險(xiǎn)壁壘，拓展中小微企業(yè)“長(zhǎng)尾”市場(chǎng)。

2. 商業(yè)銀行類型與企業(yè)規(guī)模。表10中Panal列A為貸前信息篩選渠道估計(jì)結(jié)果。從交互項(xiàng)的系數(shù)來(lái)看，大數(shù)據(jù)能夠顯著降低國(guó)有和股份制商業(yè)銀行與山東省大、中、微型企業(yè)的貸前信息不對(duì)稱程度，且貸前信息篩選渠道對(duì)山東省微型企業(yè)信貸供給的促進(jìn)效果最強(qiáng)。

Panal B為貸后風(fēng)險(xiǎn)管控渠道估計(jì)結(jié)果。第（1）—（4）列國(guó)有商業(yè)銀行結(jié)果顯示，大數(shù)據(jù)技術(shù)對(duì)山東省企業(yè)信貸供給的影響效果在大中型企業(yè)與小微型企業(yè)中差距較為明顯。具體來(lái)說(shuō)，交互項(xiàng)的系數(shù)在第（1）、（2）列為負(fù)，而在第（3）、（4）列為正，這表明大數(shù)據(jù)技術(shù)能夠降低國(guó)有商業(yè)銀行與大中型企業(yè)之間的不良貸款率，但是會(huì)顯著提升小微型企業(yè)不良貸款率。對(duì)此可能的解釋是，國(guó)有商業(yè)銀行貸款給大中型企業(yè)，大中型企業(yè)有實(shí)力償還貸款，因而能夠降低不良貸款率。而對(duì)于小微型企業(yè)而言，雖然大數(shù)據(jù)技術(shù)能夠幫助國(guó)有商業(yè)銀行在貸前通過(guò)收集小微型企業(yè)“軟”信息進(jìn)行授信篩選，在一定程度上有助于避免道德風(fēng)險(xiǎn)，但是小微型企業(yè)囿于弱質(zhì)資產(chǎn)、市場(chǎng)敏感性極強(qiáng)等自身的局限性，借貸風(fēng)險(xiǎn)高于大中型企業(yè)，不可避免地會(huì)因管理不善、市場(chǎng)沖擊等原因無(wú)法按時(shí)償還貸款，反而會(huì)加大不良貸款率。另外，商業(yè)銀行為降低風(fēng)險(xiǎn)也將減小對(duì)小微型企業(yè)的信貸供給，此時(shí)，小微型企業(yè)無(wú)法通過(guò)再貸款以分散風(fēng)險(xiǎn)，進(jìn)一步導(dǎo)致不良貸款率上升。綜上，大數(shù)據(jù)技術(shù)一定程度上紓解了小微型企業(yè)融資困境，但是在這一發(fā)展環(huán)境下，也使小微型企業(yè)更容易暴露自身劣勢(shì)。因而，國(guó)有商業(yè)銀行的借貸客戶通常為各項(xiàng)資質(zhì)優(yōu)的大型企業(yè)。此外，第（5）—（8）列為股份制商業(yè)銀行檢驗(yàn)結(jié)果，通過(guò)觀察交互項(xiàng)系數(shù)可知，大數(shù)據(jù)技術(shù)能夠顯著降低大、中、小這三種規(guī)模企業(yè)的不良貸款率。進(jìn)一步對(duì)比標(biāo)準(zhǔn)化系數(shù)值發(fā)現(xiàn)，大型企業(yè)會(huì)更加受益于股份制商業(yè)銀行的貸后風(fēng)險(xiǎn)管控渠道，大數(shù)據(jù)技術(shù)對(duì)該類型企業(yè)不良貸款率的降低效果最突出。

五、結(jié)論與建議

（一）研究結(jié)論

本文以山東省為例，選取2012—2020年山東省14家商業(yè)銀行作為研究樣本，構(gòu)建“大數(shù)據(jù)技術(shù)—中小微企業(yè)信貸供給”理論框架，在檢驗(yàn)大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給實(shí)際影響效果的基礎(chǔ)上，分別從貸前、貸后兩個(gè)環(huán)節(jié)探究大數(shù)據(jù)技術(shù)作用于山東省中小微企業(yè)信貸供給的內(nèi)在機(jī)理，并對(duì)比商業(yè)銀行層面和企業(yè)層面?zhèn)鲗?dǎo)渠道效果的異質(zhì)性。研究結(jié)果表明：

1. 大數(shù)據(jù)技術(shù)顯著促進(jìn)了山東省中小微企業(yè)信貸供給。一方面，商業(yè)銀行借助大數(shù)據(jù)技術(shù)獲取中小微企業(yè)海量真實(shí)“軟”信息，緩解了銀企間信息不對(duì)稱，有利于中小微企業(yè)獲得信貸。另一方面，大數(shù)據(jù)技術(shù)能夠幫助商業(yè)銀行建立大數(shù)據(jù)風(fēng)控系統(tǒng)，有利于實(shí)現(xiàn)商業(yè)銀行低風(fēng)險(xiǎn)與中小微企業(yè)融資需求“小額、高頻”的精準(zhǔn)匹配。這不僅使得中小微企業(yè)不良貸款率大大下降，同時(shí)商業(yè)銀行風(fēng)控能力也有所提升。在這兩方面的作用下，解決了商業(yè)銀行“不敢貸、不愿貸”的顧慮，商業(yè)銀行事前放貸積極性和風(fēng)險(xiǎn)承擔(dān)意愿得以提升，從而帶來(lái)山東省中小微企業(yè)信貸供給的增加。

2. 大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的影響存在異質(zhì)性。從商業(yè)銀行類型來(lái)看，相比于國(guó)有商業(yè)銀行，股份制商業(yè)銀行在大數(shù)據(jù)技術(shù)的驅(qū)動(dòng)下，拓展中小微企業(yè)客戶的動(dòng)力明顯更強(qiáng)烈。從企業(yè)類型來(lái)看，大數(shù)據(jù)技術(shù)能夠?yàn)樯虡I(yè)銀行提供充足的中小微企業(yè)“軟”信息，因而其對(duì)中小微企業(yè)信貸供給的提升效果高于大型企業(yè)。從大數(shù)據(jù)發(fā)展階段來(lái)看，大數(shù)據(jù)技術(shù)對(duì)山東省中小微企業(yè)信貸供給的促進(jìn)效果遵循“邊際效應(yīng)遞減規(guī)律”，推動(dòng)作用逐漸趨于穩(wěn)定。

3. 大數(shù)據(jù)技術(shù)能夠通過(guò)貸前信息篩選、貸后風(fēng)險(xiǎn)管控兩條傳導(dǎo)渠道作用于山東省中小微企業(yè)信貸供給。具體而言，貸前信息篩選方面，大數(shù)據(jù)技術(shù)能夠?qū)ⅰ败洝毙畔⒂不?，使得商業(yè)銀行在事前低成本地對(duì)中小微企業(yè)精準(zhǔn)畫(huà)像，高效緩解了信息不對(duì)稱，有助于擴(kuò)大中小微企業(yè)信貸供給；貸后風(fēng)險(xiǎn)管控方面，大數(shù)據(jù)技術(shù)可以協(xié)助商業(yè)銀行構(gòu)建大數(shù)據(jù)風(fēng)控系統(tǒng)，實(shí)現(xiàn)風(fēng)險(xiǎn)的精準(zhǔn)預(yù)估與監(jiān)測(cè)，這不僅可以降低不良貸款率，而且在商業(yè)銀行風(fēng)險(xiǎn)管控能力提升的影響下，商業(yè)銀行會(huì)更加“敢貸”于中小微企業(yè)，從而促進(jìn)中小微企業(yè)信貸供給。進(jìn)一步研究發(fā)現(xiàn)，對(duì)于不同商業(yè)銀行類型，貸前渠道中大數(shù)據(jù)技術(shù)的引入對(duì)國(guó)有與股份制商業(yè)銀行均有效，貸后渠道僅作用于股份制商業(yè)銀行。對(duì)于不同商業(yè)銀行類型與企業(yè)規(guī)模，貸前渠道對(duì)兩類商業(yè)銀行的大、中、微型企業(yè)信貸供給有顯著影響，貸后渠道對(duì)股份制商業(yè)銀行大、中、小型企業(yè)信貸供給的促進(jìn)效果更為顯著。

（二）對(duì)策建議

基于以上結(jié)論，為實(shí)現(xiàn)大數(shù)據(jù)技術(shù)助推山東省中小微企業(yè)信貸供給，提出以下對(duì)策建議：

1. 不斷增強(qiáng)大數(shù)據(jù)技術(shù)在緩解中小微企業(yè)融資約束中的積極作用。發(fā)展并應(yīng)用大數(shù)據(jù)技術(shù)是我國(guó)未來(lái)發(fā)展的必然選擇。資金短缺是當(dāng)前限制山東省中小微企業(yè)發(fā)展的最大問(wèn)題，政府、金融機(jī)構(gòu)、中小微企業(yè)應(yīng)當(dāng)大力推進(jìn)大數(shù)據(jù)技術(shù)的應(yīng)用，構(gòu)建數(shù)據(jù)信息共享平臺(tái)，重構(gòu)以“數(shù)字匹配”為特征的銀企關(guān)系，強(qiáng)化銀企之間的良性互動(dòng)，為銀企破冰，從而促進(jìn)中小微企業(yè)信貸供給，帶動(dòng)山東省中小微企業(yè)全面發(fā)展。

2. 依據(jù)商業(yè)銀行類型、企業(yè)規(guī)模有差別地推動(dòng)大數(shù)據(jù)技術(shù)發(fā)展。大數(shù)據(jù)技術(shù)能在多大程度上緩解中小微企業(yè)融資約束取決于商業(yè)銀行原有獲取“軟”信息的能力、企業(yè)規(guī)模等稟賦條件。本文證明了大數(shù)據(jù)技術(shù)對(duì)中小微企業(yè)信貸供給的提升效果強(qiáng)于大型企業(yè)，股份制商業(yè)銀行在擴(kuò)大中小微企業(yè)信貸供給方面更具有潛力和比較優(yōu)勢(shì)。鑒于此，政府既要高度重視大數(shù)據(jù)體系建設(shè)，也要立足于商業(yè)銀行類型有針對(duì)性地實(shí)行差異化策略，尤其應(yīng)鼓勵(lì)股份制商業(yè)銀行推進(jìn)金融與大數(shù)據(jù)技術(shù)的數(shù)字化轉(zhuǎn)型，重點(diǎn)應(yīng)用大數(shù)據(jù)技術(shù)破解中小微企業(yè)的融資約束問(wèn)題，避免政策“一刀切”。

3. 有效疏通大數(shù)據(jù)技術(shù)的貸前貸后傳導(dǎo)渠道。貸前信息篩選渠道中，大數(shù)據(jù)技術(shù)能否幫助中小微企業(yè)改善信貸供給的關(guān)鍵在于中小微企業(yè)信息獲取以及銀企間的互動(dòng)性。而這些既需要金融機(jī)構(gòu)打破數(shù)據(jù)孤島，合理運(yùn)用大數(shù)據(jù)技術(shù)加強(qiáng)構(gòu)建數(shù)據(jù)疏通渠道，也需要主動(dòng)培養(yǎng)“中小微熟客”，緊密銀企關(guān)系以提供融資便利。貸后風(fēng)險(xiǎn)管控渠道中，需要多方協(xié)同努力，商業(yè)銀行應(yīng)該主動(dòng)借助大數(shù)據(jù)風(fēng)控體系，提升風(fēng)險(xiǎn)防控能力，將中小微企業(yè)各類資源轉(zhuǎn)為可抵押可控的信貸資源，增加中小微企業(yè)信貸供給；中小微企業(yè)也應(yīng)規(guī)范經(jīng)營(yíng)提升自身軟實(shí)力與信用等級(jí)，強(qiáng)化創(chuàng)新能力，積極適應(yīng)大數(shù)據(jù)支持下的智能審貸，為商業(yè)銀行加大中小微企業(yè)信貸供給創(chuàng)造良好的外部環(huán)境。

注：

①多數(shù)研究表明，小微信貸市場(chǎng)中，供不應(yīng)求的現(xiàn)狀長(zhǎng)期存在，這導(dǎo)致小微信貸市場(chǎng)中供給方占據(jù)主導(dǎo)地位?；诖?，本文使用商業(yè)銀行貸款余額表征銀行對(duì)中小微企業(yè)的信貸供給。

②步驟一：指標(biāo)標(biāo)準(zhǔn)化。正向指標(biāo)：[xij=xij-min{xij…xnj}max{xij…xnj}-min{xij…xnj}]；負(fù)向指標(biāo)：[xij=max{xij…xnj}-xijmax{xij…xnj}-min{xij…xnj}]。步驟二：計(jì)算指標(biāo)熵值。[pij=xiji=1nxij]。步驟三：計(jì)算指標(biāo)熵權(quán)。[wj=djj=1mdjdj=1-ej;ej=-1lnni=1npijlnpij]。步驟四：測(cè)算綜合指數(shù)。[si=j=1mwjpij]。

③本文運(yùn)用“山東省+大數(shù)據(jù)技術(shù)關(guān)鍵詞”“百度搜索指數(shù)”度量的山東省大數(shù)據(jù)技術(shù)發(fā)展水平這一指標(biāo)是相對(duì)外生的，其受到個(gè)體企業(yè)行為的影響較小。因此，反向因果問(wèn)題較弱。

④本文采用搜狗搜索指數(shù)、360趨勢(shì)指數(shù)重新構(gòu)建山東省大數(shù)據(jù)技術(shù)發(fā)展指數(shù)，進(jìn)行穩(wěn)健性檢驗(yàn)。

⑤標(biāo)準(zhǔn)化系數(shù)=未標(biāo)準(zhǔn)化自變量系數(shù)×（對(duì)應(yīng)自變量標(biāo)準(zhǔn)差/因變量標(biāo)準(zhǔn)差）。

參考文獻(xiàn)：

[1]李建軍.金融科技理論與實(shí)踐 [M].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2021年.

[2]王烽權(quán)，江積海，王若瑾.人工智能如何重構(gòu)商業(yè)模式匹配性？——新電商拼多多案例研究 [J].外國(guó)經(jīng)濟(jì)與管理，2020，42（07）.

[3]李勇建，陳婷.區(qū)塊鏈賦能供應(yīng)鏈：挑戰(zhàn)、實(shí)施路徑與展望 [J].南開(kāi)管理評(píng)論，2021，24（05）.

[4]劉婷，李冬.區(qū)塊鏈技術(shù)與供應(yīng)鏈金融深度融合發(fā)展體系研究 [J].金融發(fā)展研究，2021，（11）.

[5]劉乃梁，呂豪杰.金融科技數(shù)據(jù)壟斷：源流、風(fēng)險(xiǎn)與治理 [J].財(cái)經(jīng)科學(xué)，2022，（03）.

[6]唐跟利，陳立泰.大數(shù)據(jù)驅(qū)動(dòng)區(qū)域公共服務(wù)一體化：理論邏輯、實(shí)現(xiàn)機(jī)制與路徑創(chuàng)新 [J].求實(shí)，2021，（05）.

[7]劉音露，張平，徐曉萍.征信活動(dòng)、信息技術(shù)進(jìn)步與信貸表現(xiàn) [J].國(guó)際金融研究，2019，（11）.

[8]Marko Jak?i?，Matej Marin?. 2019. Relationship Banking and Information Technology：the Role of Artificial Intelligence and FinTech [J].Risk Management，21（01）.

[9]盛天翔，朱政廷，李祎雯.金融科技與銀行小微企業(yè)信貸供給：基于貸款技術(shù)視角 [J].管理科學(xué)，2020，33（06）.

[10]金洪飛，李弘基，劉音露.金融科技、銀行風(fēng)險(xiǎn)與市場(chǎng)擠出效應(yīng) [J].財(cái)經(jīng)研究，2020，46（05）.

[11]粟勤，楊景陸.金融科技、中小銀行小微企業(yè)信貸供給與風(fēng)險(xiǎn) [J].現(xiàn)代經(jīng)濟(jì)探討，2022，（04）.

[12]黃子健，王龑.大數(shù)據(jù)、互聯(lián)網(wǎng)金融與信用資本：破解小微企業(yè)融資悖論 [J].金融經(jīng)濟(jì)學(xué)研究，2015，30（01）.

[13]許志勇，劉宗慧，彭蕓.中小企業(yè)資產(chǎn)、價(jià)值、大數(shù)據(jù)與平臺(tái)融資 [J].中國(guó)軟科學(xué)，2021，（12）.

[14]姜婷鳳，易潔菲.數(shù)字經(jīng)濟(jì)時(shí)代降低小微企業(yè)融資成本的路徑——信息對(duì)稱與風(fēng)險(xiǎn)分擔(dān) [J].金融論壇，2022，27（05）.

[15]宋敏，周鵬，司海濤.金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2021，（04）.

[16]王奕婷，羅雙成.金融科技與商業(yè)銀行經(jīng)營(yíng)績(jī)效——基于風(fēng)險(xiǎn)承擔(dān)的中介效應(yīng)分析 [J].金融論壇，2022，24（07）.

[17]Allen N. Berger，Lamont K. Black. 2010. Bank Size，Lending Technologies，and Small Business Finance [J].Journal of Banking and Finance，35（03）.

[18]黃益平，邱晗.大科技信貸：一個(gè)新的信用風(fēng)險(xiǎn)管理框架 [J].管理世界，2021，37（02）.

[19]黃銳，賴曉冰，唐松.金融科技如何影響企業(yè)融資約束？——?jiǎng)討B(tài)效應(yīng)、異質(zhì)性特征與宏微觀機(jī)制檢驗(yàn) [J].國(guó)際金融研究，2020，（06）.

[20]王馨.互聯(lián)網(wǎng)金融助解“長(zhǎng)尾”小微企業(yè)融資難問(wèn)題研究 [J].金融研究，2015，（09）.

[21]張金清，李柯樂(lè)，張劍宇.銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？ [J].財(cái)經(jīng)研究，2022，48（01）.

[22]Yiping Huang，Longmei Zhang，zhenhua Li，Han Qiu，Tao Sun，Xue Wang. 2020. Fintech Credit Rist Assessment for SMEs：Evidence from China [R].IMF Working Paper NO. 20/193，September.

[23]Leonardo Gambacorta，Yiping Huang，Han Qiu，Jingyi Wang. 2019. How Do Machine Learning and Non-Traditional Data Affect Credit Scoring：New Evidence from A Chinese Fintech Firm [R].BIS Working Paper No. 834，December.

[24]Maoyong Cheng，Yang Qu. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63（03）.

[25]郭品，沈悅.互聯(lián)網(wǎng)金融、存款競(jìng)爭(zhēng)與銀行風(fēng)險(xiǎn)承擔(dān) [J].金融研究，2019，（08）.

[26]李向前，賀卓異.金融科技發(fā)展對(duì)商業(yè)銀行影響研究 [J].現(xiàn)代經(jīng)濟(jì)探討，2021，（02）.

[27]施炳展，金祥義.注意力配置、互聯(lián)網(wǎng)搜索與國(guó)際貿(mào)易 [J].經(jīng)濟(jì)研究，2019，54（11）.

[28]盛天翔，范從來(lái).金融科技、最優(yōu)銀行業(yè)市場(chǎng)結(jié)構(gòu)與小微企業(yè)信貸供給 [J].金融研究，2020，（06）.

[29]李春濤，閆續(xù)文，宋敏，楊威.金融科技與企業(yè)創(chuàng)新——新三板上市公司的證據(jù) [J].中國(guó)工業(yè)經(jīng)濟(jì)，2020，（01）.

[30]沈悅，郭品.互聯(lián)網(wǎng)金融、技術(shù)溢出與商業(yè)銀行全要素生產(chǎn)率 [J].金融研究，2015，（03）.

[31]張琳，廉永輝，辛兵海.宏觀經(jīng)濟(jì)不確定性、銀行異質(zhì)性和信貸供給 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2015，37（04）.

[32]孫國(guó)峰，欒稀.補(bǔ)充銀行資本能調(diào)節(jié)貸款供給嗎？[J].國(guó)際金融研究，2021，（08）.

[33]金雪軍，徐凱翔.金融危機(jī)、貨幣政策與信貸供給——基于公司層面銀行信貸數(shù)據(jù)的經(jīng)驗(yàn)研究 [J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2016，（12）.

[34]鄺雄，胡南賢，徐艷.貨幣政策不確定性與銀行信貸決策——基于新聞報(bào)道文本分析的實(shí)證研究 [J].金融經(jīng)濟(jì)學(xué)研究，2019，34（05）.

[35]Samuel Fosu，Collins G. Ntim，William Coffie，Victor Murinde. 2017. Bank Opacity and Risk-Taking：Evidence from AnalystsForecasts [J].Journal of Financial Stability，（33）.

[36]陳敏，高傳君.金融科技發(fā)展與我國(guó)銀行風(fēng)險(xiǎn)承擔(dān)行為 [J].學(xué)習(xí)與實(shí)踐，2022，（01）.