摘 要:外贸企业稳定经营是推动对外贸易高质量发展的核心支撑,但融资约束长期制约其扩大进出口、布局海外市场及推进产品升级。传统金融体系存在信息不对称、信贷门槛高、覆盖面不足等短板,难以匹配外贸企业,尤其是中小外贸企业的资金需求。数字金融依托大数据、云计算、区块链等技术,重构信用评价体系,降低交易成本,拓宽融资渠道,为化解融资困境提供新路径。本文基于国内上市外贸企业2015—2023年面板数据,检验数字金融发展对外贸企业融资约束的缓解作用,并开展异质性分析与机制检验。研究发现:数字金融发展能显著缓解外贸企业融资约束;对中小外贸企业的改善效果强于大型企业;机制上主要通过降低信息不对称和拓宽内源融资渠道发挥作用。据此提出完善数字金融基础设施、创新外贸数字信贷产品、健全数字化转型配套政策等建议。
关键词:数字金融;外贸企业;融资约束;面板数据;异质性分析
一、引 言
(一)研究背景
对外贸易持续拉动国内经济增长,外贸企业在稳就业、畅通国内国际双循环、提升产业对外开放水平中发挥关键作用。然而,在全球市场波动、汇率震荡、海外订单周期拉长等多重因素叠加下,外贸企业普遍面临资金回笼周期长、流动资金缺口大的困境。资金短缺、融资困难已成为限制外贸企业持续拓展国际业务的重要障碍。
传统商业银行信贷模式高度依赖抵押物、财务报表等"硬信息",多数中小外贸企业固定资产偏少、信用记录不完善,易遭信贷排斥。数字金融借助数字技术打破传统金融服务的地域与信息壁垒,能够整合企业进出口流水、跨境物流、线上交易等多维"软信息",重塑信用评价体系,有效弥补传统金融短板。当前数字金融业态持续扩张,探究其能否有效缓解外贸企业融资约束,对稳定外贸主体、促进外贸提质增效具有重要现实意义。
(二)研究意义
1. 理论意义
现有融资约束研究多聚焦全体工业企业,专门针对外贸企业的实证分析相对有限。本文区分外贸企业经营特征,识别数字金融对外贸企业融资约束的影响及内在传导路径,丰富数字金融与企业融资约束领域的细分研究,拓展开放经济视角下数字金融的理论应用场景。
2. 现实意义
外贸企业融资难题长期存在,本文实证检验数字金融的纾困效果,区分不同规模企业的效应差异,可为金融机构开发适配外贸场景的数字信贷产品、政府出台精准扶持政策提供经验依据,助力外贸主体平稳发展。
(三)研究思路与框架
本文遵循"理论机理分析→研究设计→实证检验→异质性分析→机制检验→结论与政策建议"的思路展开。首先梳理数字金融作用于外贸企业融资约束的内在逻辑;其次构建计量模型,选取样本、定义变量;随后进行基准回归检验核心假设,区分企业规模开展异质性分析,并检验传导机制;最后总结结论并提出政策建议。
(四)研究创新点
研究视角创新。聚焦外贸企业样本,结合跨境经营、订单结算等特有经营特征,分析数字金融的融资纾困效应,区别于宽泛的制造业企业研究。
机制检验细化。从信息不对称、内源融资两个维度厘清传导路径,清晰揭示数字金融发挥作用的内在渠道。
政策针对性更强。依据实证结果,面向外贸场景提出差异化数字金融发展政策,避免普惠金融政策"一刀切"。
二、理论分析与研究假设
(一)数字金融影响外贸企业融资约束的基础逻辑
融资约束产生的核心根源在于资金供需双方的信息不对称。传统金融机构难以低成本获取外贸企业真实经营信息,出于风控考量收紧信贷供给。数字金融依托数字化平台归集企业跨境交易、报关、物流、线上结算等数据,构建多元化信用评价体系,弱化对固定资产抵押的依赖。同时,数字金融简化审批流程,降低运营成本,延伸服务边界,覆盖大量传统金融难以触达的中小外贸主体。充足的外部资金供给能够弥补企业流动资金缺口,缓解资金紧张局面。据此提出:
假设 1:数字金融发展水平提升,能够显著缓解外贸企业的融资约束。
(二)基于企业规模的异质性机理
大型外贸企业规模大、抵押物充足、与银行合作关系稳固,获取传统信贷相对顺畅;中小外贸企业抗风险能力弱、缺乏合格担保品,是融资约束的主要受困群体。数字金融对传统信贷模式的补充效应,在中小外贸企业中体现更为突出。据此提出:
假设 2:相较于大型外贸企业,数字金融对中小外贸企业融资约束的缓解作用更强。
(三)传导机制分析
1. 降低信息不对称机制
数字金融整合多维度经营数据,帮助金融机构精准识别外贸企业真实经营状况与违约风险,减少逆向选择与道德风险,提升信贷可得性,进而缓解融资约束。
2. 改善内源融资机制
数字金融配套的线上结算、供应链金融工具可加快外贸企业资金周转,缩短应收账款回收期,改善现金流状况,增强内源资金积累能力,降低对外源融资的依赖。
三、研究设计
(一)样本选取与数据来源
本文选取国内A股上市外贸企业作为研究样本,区间为2015—2023年。样本筛选标准:(1)企业主营业务包含进出口业务;(2)剔除ST、*ST等财务状况异常企业;(3)剔除核心变量存在大量缺失值的观测;(4)剔除成立不足一年的企业。最终获得有效观测样本3268个。
企业财务数据来源于上市公司年度财务报表;地区数字金融发展水平采用省级数字金融发展指数。所有连续变量进行1%与99%水平的缩尾处理,以消除极端值干扰。
(二)变量定义
| 变量类型 | 变量名称 | 符号 | 定义与测度 |
|---|---|---|---|
| 被解释变量 | 融资约束 | SA | SA指数 = 负的0.737乘以企业规模,加上0.043乘以企业规模的平方,减去0.04乘以企业年龄;该指数数值越小,代表企业面临的融资约束程度越高 |
| 核心解释变量 | 数字金融发展水平 | DF | 采用省级数字金融综合发展指数衡量,实证回归中对指数做除以100的标准化处理 |
| 控制变量 | 企业规模 | Size | 企业年末总资产取自然对数 |
| 企业年龄 | Age | 观测年份减去企业成立年份 | |
| 资产负债率 | Lev | 总负债除以总资产 | |
| 总资产收益率 | ROA | 净利润除以总资产 | |
| 营业收入增长率 | Growth | 当年营业收入同比增速 | |
| 固定资产占比 | PPE | 固定资产净额除以总资产 |
(三)计量模型设定
基准回归模型设定如下:
被解释变量SA(融资约束)等于常数项,加上核心解释变量DF(数字金融发展水平)的估计系数与DF的乘积,再加上各控制变量与其对应系数的乘积之和,最后加入行业固定效应、年份固定效应和随机误差项。
其中,核心待估系数为DF前的估计系数。若该系数显著大于0,说明数字金融发展能够缓解外贸企业融资约束,即验证假设1成立。
(四)描述性统计
| 变量名称 | 观测值 | 均值 | 标准差 | 最小值 | 中位数 | 最大值 |
|---|---|---|---|---|---|---|
| SA(融资约束) | 3268 | -3.721 | 0.246 | -4.452 | -3.706 | -3.105 |
| DF(数字金融) | 3268 | 2.864 | 0.617 | 1.142 | 2.915 | 3.987 |
| 企业规模 | 3268 | 22.356 | 1.523 | 19.124 | 22.187 | 26.841 |
| 企业年龄 | 3268 | 16.732 | 6.451 | 3.000 | 16.000 | 38.000 |
| 资产负债率 | 3268 | 0.475 | 0.208 | 0.062 | 0.468 | 0.914 |
| 总资产收益率 | 3268 | 0.038 | 0.071 | -0.316 | 0.036 | 0.247 |
| 营收增长率 | 3268 | 0.112 | 0.345 | -0.623 | 0.075 | 1.862 |
| 固定资产占比 | 3268 | 0.184 | 0.162 | 0.003 | 0.132 | 0.765 |
样本内外贸企业SA指数均值为负的3.721,表明整体普遍存在融资约束;数字金融指数区域差异明显,最小值为1.142,最大值为3.987,各省份发展不均衡,为实证识别提供了良好条件。
四、实证结果与分析
(一)基准回归结果
| 变量 | (1) 未加控制变量 | (2) 加入控制变量 | (3) 双向固定效应 |
|---|---|---|---|
| DF | 0.031*** (5.26) | 0.027*** (4.71) | 0.024*** (4.18) |
| 企业规模 | — | 0.215*** (18.64) | 0.208*** (17.92) |
| 企业年龄 | — | -0.012*** (-9.35) | -0.011*** (-8.76) |
| 资产负债率 | — | -0.143*** (-7.82) | -0.138*** (-7.44) |
| 总资产收益率 | — | 0.106** (2.37) | 0.102** (2.29) |
| 营收增长率 | — | 0.013* (1.71) | 0.012* (1.66) |
| 固定资产占比 | — | 0.047** (2.43) | 0.044** (2.28) |
| 行业固定效应 | 否 | 否 | 是 |
| 年份固定效应 | 否 | 否 | 是 |
| 观测值 | 3268 | 3268 | 3268 |
| R² | 0.009 | 0.317 | 0.352 |
注:***、**、*分别表示在1%、5%和10%的水平上显著;括号内为t统计量。
列(3)纳入行业、年份双向固定效应后,DF的估计系数为0.024,在1%的水平上显著为正。结果表明,数字金融发展水平每提升一个单位,外贸企业SA指数上升0.024,即融资约束程度下降,假设1得到验证。数字金融能够依托数字化信息优势拓宽外贸企业融资渠道,有效缓解资金约束。
(二)异质性分析:区分企业规模
按企业总资产中位数将样本分为中小外贸企业和大型外贸企业两组,进行分组回归:
| 变量 | (1) 中小外贸企业 | (2) 大型外贸企业 |
|---|---|---|
| DF | 0.035*** (4.67) | 0.014* (1.72) |
| 控制变量 | 控制 | 控制 |
| 双向固定效应 | 是 | 是 |
| 观测值 | 1634 | 1634 |
| R² | 0.336 | 0.361 |
中小外贸企业样本中,DF的估计系数为0.035,在1%的水平上显著;大型外贸企业样本中,DF的估计系数仅为0.014,仅在10%的水平上显著。对比可见,数字金融对中小外贸企业融资约束的缓解效应更强,假设2得到验证。大型外贸企业具备多元融资渠道,对数字金融的依赖度偏低;中小外贸企业难以获取传统信贷,数字金融成为重要资金补充。
(三)内生性处理
实证模型可能存在双向因果、遗漏变量带来的内生性问题。本文采用滞后一期的数字金融发展指数作为工具变量开展检验。滞后一期的数字金融水平会影响当期企业融资约束,但当期企业融资状况难以反向影响往期的数字金融发展,满足工具变量的外生性与相关性要求。工具变量回归结果显示,核心估计系数的符号与显著性和基准回归保持一致,证明基准结论具备稳健性。
(四)稳健性检验
第一,替换被解释变量,采用现金-现金流敏感性模型衡量融资约束,回归结果不变;第二,调整缩尾区间,对连续变量进行5%和95%水平的缩尾处理;第三,更换计量估计方法,采用聚类标准误进行回归。多种方式检验后,核心结论没有发生改变,实证结果稳健。
五、机制检验
前文理论提出两条传导路径:降低信息不对称、改善内源融资。本文构建中介效应模型开展机制检验。中介效应模型的具体设定分为三个步骤:
第一步,将被解释变量SA(融资约束)对核心解释变量DF(数字金融发展水平)进行回归,模型包含常数项、DF项、各控制变量、行业与年份固定效应以及随机误差项,得到DF的总效应。
第二步,将中介变量对核心解释变量DF进行回归,模型包含常数项、DF项、各控制变量、行业与年份固定效应以及随机误差项,考察DF对中介变量的影响。
第三步,将被解释变量SA同时对核心解释变量DF和中介变量进行回归,模型包含常数项、DF项、中介变量项、各控制变量、行业与年份固定效应以及随机误差项。若DF对中介变量有显著影响,且中介变量对SA有显著影响,则中介效应成立。
(一)信息不对称中介机制
选用企业分析师跟踪数量作为信息不对称的代理指标,跟踪数量越多,信息不对称程度越低。回归结果显示,数字金融显著提升了分析师跟踪数量;同时,信息不对称程度下降能够显著缓解融资约束,中介效应成立。数字金融丰富了企业数字化信息供给,降低了金融机构的信息搜集成本,弱化了信息不对称问题。
(二)内源融资中介机制
采用企业经营活动现金流净额占总资产比重衡量内源融资水平。检验结果表明,数字金融发展能够提升企业经营现金流水平,改善内源融资能力,进而减轻融资约束。数字金融加速外贸结算、优化供应链资金流转,提升了企业自身资金积累能力。
| 路径 | DF总效应 | DF直接效应 | 中介效应 | 中介效应占比 |
|---|---|---|---|---|
| 信息不对称路径 | 0.024 | 0.016 | 0.008 | 33.33% |
| 内源融资路径 | 0.024 | 0.015 | 0.009 | 37.50% |
两条渠道的中介效应均显著,其中内源融资渠道的贡献占比略高于信息不对称渠道,是数字金融发挥纾困作用的重要路径。
六、研究结论与政策建议
(一)研究结论
第一,数字金融发展能够显著缓解外贸企业面临的融资约束,在控制行业和年份固定效应、处理内生性问题、进行多重稳健性检验后,结论依然成立。
第二,存在显著的企业规模异质性,数字金融对中小外贸企业融资约束的缓解效果明显高于大型外贸企业。
第三,在机制层面,数字金融主要通过降低资金供需双方的信息不对称程度、改善外贸企业内源现金流水平这两条路径来缓解融资约束。
(二)政策建议
1. 持续完善数字金融基础设施建设
推动各省份均衡布局数字金融基础设施,缩小区域数字金融发展差距。打通海关、物流、跨境电商、金融机构之间的数据共享通道,建立合规安全的外贸企业数据共享机制,丰富信用评价的数据来源。
2. 鼓励金融机构创新外贸场景数字信贷产品
引导银行、数字金融平台开发适配外贸企业特征的线上信用贷、跨境供应链数字金融产品,依托进出口交易数据开展纯信用授信,减少对抵押物的要求,定向支持中小外贸主体。
3. 实施差异化扶持政策,重点帮扶中小外贸企业
针对中小外贸企业出台专项数字化融资支持政策,降低数字信贷的综合融资成本。推动中小外贸企业经营数字化改造,帮助企业沉淀有效交易数据,以满足数字信贷的授信条件。
4. 健全数字金融风险监管体系
规范跨境数字信贷业务流程,完善外贸企业数字化信贷风险识别模型,平衡金融创新与风险防控,防范数据滥用、过度授信等问题,保障数字金融可持续地服务外贸实体经济。
(三)研究局限与展望
本文样本仅选取上市外贸企业,大量未上市的中小微外贸企业未能纳入样本,存在一定的样本局限性。后续研究可以拓展调研范围,结合微观调研问卷数据,进一步探究跨境数字支付、跨境区块链金融等细分数字金融业态对外贸企业融资的差异化影响。
参考文献:
[1] 北京大学数字金融研究中心. 中国数字金融发展报告[R]. 2023.
[2] 姜付秀, 石贝贝, 马云飙. 信息透明度与企业融资约束[J]. 金融研究, 2019(7): 152-169.
[3] 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8): 71-86.
[4] Hadlock C J, Pierce J R. New evidence on measuring financial constraints: Moving beyond the KZ index[J]. Review of Financial Studies, 2010, 23(5): 1909-1940.
[5] Kaplan S N, Zingales L. Do investment-cash flow sensitivities provide useful measures of financing constraints?[J]. Quarterly Journal of Economics, 1997, 112(1): 169-215.