《现代财经-早读早分享》2025年3月24日周一（第3321期）

今天是2025年3月24 日，星期一，农历二月二十五，美好的一天从阅读《现代财经-早读早分享》开始！

每日晨语

---

想要人生进阶，试试这五种方法：①认准目标，保持专注；②接受不足，完善自己；③及时调整，管理情绪；④时常总结，积累经验；⑤怀揣希望，保持耐心。美好一天从“成长”开始！ ！周一，早安！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3321期）。原创不易，敬请尊重。谢谢鼓励。

一、早读分享

1、共建“一带一路”。 近年来，中莱高质量共建“一带一路”深入推进。由中国援建的莱索托议会大厦和国家会议中心成为首都马塞卢的标志性建筑，马塞卢地区医院和眼科诊所为当地民众提供了便利的就医条件，马费腾光伏电站项目将有效缓解莱当前电力短缺……一系列合作项目为莱经济社会发展注入更多动力，为当地民众带来了实实在在的好处。莱索托驻华大使肯尼思·拉巴莱表示，莱索托等非洲国家是高质量共建“一带一路”的受益者，莱中在众多领域开展交流合作，推动两国关系不断向前迈进。（中国经济网）

蔡子微评： 近年来，高质量共建“一带一路”深入推进。然而，共建“一带一路”目前存在着机制建设不完善与产业结构不合理等问题。对此，一方面要完善机制建设，进一步完善合作的顶层设计，优化政策框架，加强多边合作机制建设；另一方面要优化产业结构，加强产业链供应链建设，推动产业升级和经济结构调整。

话题关注：“一带一路”倡议下基础设施互联互通协同发展的推进路径

2、“AI+”行动提速，锻造更多创新应用。 国务院国资委在近期召开的中央企业“AI+”专项行动深化部署 会上 提出，要立足服务国家战略，紧盯前沿发展态势，发挥需求规模大、产业配套全、应用场景多的优势，加快推动人工智能产业高质量发展，实现更多标志性成果和突破性进展，全力塑造产业新优势、培育发展新动能。（人民网）

蔡子微评： 人工智能嵌入现代产业体系，为产业升级与创新注入强大动力。它深度融入制造业，提升生产效率与产品质量，实现智能化生产；在服务业助力精准营销与个性化服务，优化用户体验。人工智能与传统产业深度融合，打破行业边界，催生新业态新模式。这不仅是技术变革，更是生产力跃升的关键力量，推动现代产业体系向智能化加速迈进。

话题关注：人工智能嵌入对现代产业体系建设及创新效率的影响研究

3、壮大乡村工匠队伍。 近年来，我国对乡村工匠 的培育 力度明显加大、培育速度明显加快。从2022年国家乡村振兴局等部门出台《关于推进乡村工匠培育工作的指导意见》，到2023年农业农村部等部门联合印发《乡村工匠“双百双千”培育工程实施方案》；从2024年公布第一批乡村工匠名师，到2025年中央一号文件明确提出，推进乡村工匠培育工程……这些政策措施极大地推动了乡村工匠的培育进度，带动了乡村振兴的步伐。乡村工匠用巧手创造价值，为乡村产业发展注入强劲动力。（经济日报）

蔡子微评： 乡村工匠不仅是传统文化的守护者，更是乡村振兴的生力军。他们用双手创造美好生活，但也面临“新旧”断层、培训不足等挑战。政府的支持固然重要，但工匠自身也需积极适应新时代需求，提升技艺和创新能力。通过完善评价体系、加强职业教育、推动产业化发展，让传统技艺焕发新光彩，让乡村经济迈向更高水平。

话题关注：乡村振兴背景下乡村人才培养适应性体系研究

4、证监会：坚持服务实体经济，支持新质生产力发展。 2025年，证监会将坚持服务实体经济， 支持新质生产力发展 。持续完善资本市场基础制度体系，推动股票发行注册制走深走实，夯实市场稳定发展的制度基础，牢牢守住不发生系统性风险的底线。持续积极营造崇法守信的市场生态，推动资本市场高质量发展迈上新台阶。（中国经济网）

蔡子微评： 党的二十大报告提出，“坚持把发展经济的着力点放在实体经济上”。然而，部分实体经济企业存在创新能力不足、创新方法单一等问题。对此，一方面，地方政府应持续推进网络基础设施改造升级，助力新质生产力发展。另一方面，地方政府应加大对科技创新的资金支持力度，打造开放合作的创新平台，激励科研机构与产业界协同合作。

话题关注：现代化基础设施建设如何赋能实体经济高质量发展？

5、北京打造全周期资本体系助力未来产业加速发展。 从北京市经信局获悉，北京已构建“政府资金引导+基金领航+金融护航”的资本赋能体系。截至今年3月中旬，北京8支新设市级政府投资基金支持84个未来产业项目，占已出资项目的56%。北京打造产业全周期资本体系，助力未来产业加速发展。据了解，今年北京将在未来信息、未来健康等六大领域持续发力，推动未来产业发展全面提速。（新华网）

蔡子微评： 北京不仅为未来产业提供了持续的资金支持，还通过政策引导和市场机制的结合，促进了新技术的攻关验证和成果转化。这一举措有助于加速未来产业的成长，推动其从基础研究走向产业化。总之，北京打造全周期资本体系有助于提升未来产业竞争力，推动经济高质量发展。

话题关注：金融支持下未来产业创新生态系统形成机理研究

6、上海微短剧行业产值达70亿元，将加大精品支持力度。 近日，2025上海微短剧大会在上海展览中心举办。包括政策发布、高峰论坛、圆桌对话和品质盛典在内的大会日程中，微短剧行业从业者分享了他们的最新思考，其中“精品化”是高频热词。近年来，微短剧快速崛起，成为影视行业增长最快、最具潜力的领域之一。《2024年中国微短剧产业研究报告》显示，去年我国微短剧市场规模达到505亿元‌‌，这一数字已超越去年中国电影票房。（第一财经）

蔡子微评： 当下，观众渴望轻松便捷的娱乐方式，微短剧凭借短小精悍、剧情紧凑的特点，满足了快节奏生活下人们的碎片化娱乐需求。其题材丰富多样，精准对接不同受众喜好。微短剧产业的高质量发展，不仅为创作者提供了广阔空间，也为观众带来了更优质的精神享受，未来有望成为文化产业新亮点，推动行业持续繁荣。

话题关注：消费者需求驱动下微短剧产业高质量发展路径研究

7、农文旅融合“花海经济”助推乡村振兴。 眼下，湖北省枣阳市的35万亩 桃花正 悄然绽放。当地通过科技赋能，发展赏花经济，推动桃产业发展，成为当地的富民产业。近年来，枣阳的桃产业以“枣阳皇桃”地理标志品牌为核心，形成了油桃、黄桃、蟠桃等20多个品种。多个企业开发出桃罐头、桃酒、桃胶等产品，年加工能力超万吨，带动两万余户果农增收。（中国经济网）

蔡子微评： 随着乡村振兴战略的深入推进以及农村产业融合的现实需求，关于乡村振兴和农文旅融合发展的研究也逐步深化。一方面，加强对农业文化遗产的保护与开发，增强游客旅游体验的多元化，同时打造具有地方特色的乡村旅游品牌。另一方面，通过协同治理和多中心治理模式，打破不同行业和产业之间的壁垒，形成政府主导、企业参与和社会协同的工作格局，共同助力农文旅融合和乡村振兴。

话题关注：农文旅融合与乡村振兴耦合协调度的时空演变及影响因素

8、海南四大主导产业延链补链优化升级。 随着自贸港建设向纵深推进，海南现代化产业加快延链补链、优化升级。旅游业、现代服务业、高新技术产业和热带特色高效农业四大主导产业通过强基础、补短板、拓链条，特别是因地制宜发展新质生产力，加速向价值链高端攀升。2024年，四大主导产业实现增加值占全省地区生产总值比重超三分之二，较自贸港建设起步阶段提高近14个百分点。（新华网）

蔡子微评： 这一战略不仅提升了四大主导产业在全省经济中的比重，还催生了新的经济增长点，是海南自贸港建设向纵深推进的重要举措。此举有助于海南形成龙头链主带动、园区平台支撑、上下游协作配套的产业发展新格局，为自贸港封关运作和高质量发展提供了坚实的产业支撑。

话题关注：区域产业集群协同创新：内在机理与模式构建

9、经济日报金观平：坚决防止低效无效投资。 经济日报文章称，今年《政府工作报告》把“全方位扩大国内需求”放在一系列重点工作任务的首位，在提振消费的同时，对投资也作了具体部署，特别强调要坚决防止低效无效投资。投资的质量与效益直接关系到经济发展的成色与可持续性。当下，我国经济正处于转型升级的关键时期。必须严防低效无效投资，提高投资精准性、有效性，带动产业结构优化，培育和壮大新质生产力。（财联社）

蔡子微评： 在当前经济环境下，资源有限，每一笔投资都应追求最大的社会效益和经济效益。低效无效投资不仅浪费宝贵的资金，还可能拖慢整体经济发展步伐，影响社会稳定与民生改善。因此，从政府到企业，都应强化投资项目的科学论证与风险评估，确保资金精准投向高效益、有前景的领域。这不仅能提升资金利用效率，还能促进产业结构优化升级，推动经济高质量发展。

话题关注：新质生产力导向下的政府投资效能多维度评价模型构建

10、畅通科技创新和产业创新融合渠道。 今年伊始，从宇树科技的“秧歌机器人”登上春晚舞台，到DeepSeek横空出世引发世界瞩目，无一不折射出中国科技创新与产业创新深度融合的蓬勃生机。科技创新为产业创新提供源头活水，推动产业向高端化、智能化发展；产业创新为科技创新锚定方向，提供市场需求和应用场景，并促进技术的迭代升级。两者充分融合，对于培育新质生产力，推动我国经济高质量发展至关重要。（经济日报）

蔡子微评： 科技创新是引领发展的第一动力，而产业创新则是实现科技成果转化的重要途径。两者深度融合，能够加速新技术、新工艺、新产品的涌现，提升产业链水平，增强产业竞争力。通过搭建合作平台、优化资源配置、完善政策环境等措施，可以有效畅通这一融合渠道，促进创新要素在科技和产业之间高效流动。这不仅有助于形成创新驱动的发展格局，还能带动产业升级和经济转型，为经济社会发展注入强劲动力。

话题关注：科技创新与产业创新融合发展的理论逻辑与推进路径

11、民间投资壁垒加速破除。 从智能制造到绿色科技，从数字经济到生物医药，民间投资近年来的市场表现备受关注。“作为全社会投资的主力军，民间投资不仅是增强投资活力的重要引擎，也是优化投资结构、提升投资质量的关键力量。”国家信息中心经济预测部研究员张晓兰表示，随着政策环境的持续优化和市场活力的进一步释放，民间投资在助力扩大有效投资、促进经济高质量发展中将发挥更加积极的作用。（中经网）

蔡子微评： 国家进一步破除民营企业市场准入门槛，支持其参与“两重”“两新”，并计划支持大量专精特新“小巨人”企业发展，为民间投资开辟了更广阔的空间，有助于促进全国统一大市场建设，让民营企业在公平的市场环境中参与竞争，提高资源配置效率，提升经济的内生增长动力，促进经济的均衡发展。

话题关注：市场壁垒破除对民营企业投资决策的影响研究

12、将引导金融机构加大货币信贷投放力度。 中国人民银行3月21日发布消息称，将保持流动性 合理充裕 ，引导金融机构加大货币信贷投放力度，使社会融资规模、货币供应量增长同经济增长、价格总水平预期目标相匹配。中国人民银行货币政策委员会近日召开2025年第一季度例会，研究下阶段货币政策主要思路，深化金融供给侧结构性改革相关工作。（中经网）

蔡子微评： 央行引导金融机构加大货币信贷投放力度，使社会融资规模、货币供应量与经济增长、价格总 水平等 预期目标相匹配，这一举措极具针对性。在经济发展的关键时期，适当增加货币信贷投放，能为实体经济注入“血液”，缓解企业资金压力，激发市场主体活力，促进投资和消费，稳定经济大盘，推动经济复苏和增长。

话题关注：宏观审慎背景下中小微企业融资环境改善与发展韧性提升

二、今日社科期刊佳作关注

数据要素市场建设是否抑制了宏观金融杠杆波动

---

作者：孙英杰, 张雯婧, 林春 来源：《现代财经》2025年第2期

导读

摘要： 数据要素市场建设可以抑制宏观金融杠杆波动,对缓解金融风险具有重要意义。本文以2016—2020年274个地级市为研究对象,实证检验数据要素市场建设对宏观金融杠杆波动的影响及作用机制。研究发现,数据要素市场建设能够显著抑制宏观金融杠杆波动;机制检验表明,数据要素市场建设可以通过推动商业银行数字化转型和促进经济结构调整抑制宏观金融杠杆波动;维度异质性检验发现,数据要素市场政用建设和商用建设对宏观金融杠杆波动的抑制作用更明显;环境条件异质性检验表明,在政策支持力度较大、信任环境较好、经济韧性较强的城市中,数据要素市场建设更能有效地抑制宏观金融杠杆波动。本文丰富了中国式现代化背景下关于数据要素市场建设经济效应的研究,也为实现金融稳定和高质量发展提供了理论支撑和经验依据。

关键词： 数据要素市场建设; 宏观金融杠杆波动; 商业银行数字化转型; 经济结构调整

引用格式： 孙英杰, 张雯婧, 林春. 数据要素市场建设是否抑制了宏观金融杠杆波动[J]. 现代财经-天津财经大学学报, 2025, (2):3-21.

一、引言与文献综述

自2008年国际金融危机爆发以来,全球经济陷入衰退的困境,为刺激经济复苏,全球范围掀起了加杠杆的浪潮。中国金融机构年末各项贷款余额占国内生产总值的比重从2008年的95.04%迅速上升到2015年的136.39% (1) 。过高的宏观金融杠杆水平可能会导致金融风险积累和侵蚀实体经济,引发系统性金融风险和企业倒闭等一系列后果,不利于社会稳定。在此背景下,我国开始逐步重视宏观金融杠杆率对经济发展的影响。2015年,中央经济工作会议首次提出了去杠杆政策,我国自此进入强制去杠杆阶段。随着该政策的不断推进,去杠杆化和由此产生的杠杆波动带来了持续的信贷紧缩和流动性枯竭困境 [1] ,加剧了金融的不稳定。一味按照总量原则去杠杆不仅会恶化实体企业的融资困境,还有可能影响中国经济的健康稳定发展。因此,2017年的政府工作报告强调要“积极稳妥去杠杆”,2018年中央财经委员会第一次会议提出了“结构性去杠杆”,即分部门、分债务类型提出不同的去杠杆要求。这表明去杠杆政策不是一蹴而就的短期目标,而要经历一个长期的、温和的、缓慢的过程,应避免急速去杠杆使企业遭受严重的资金压力,导致财务状况恶化,甚至造成实体经济下滑的现象发生。故此,采取“渐进式策略”作为去杠杆的主要路径,是保证我国经济稳定和持久增长的战略选择。然而,在“渐进式去杠杆”的漫长过程中,面对复杂多变的金融环境,传统监管手段难以实时有效捕捉宏观金融杠杆的动态变化,这一局限性直接导致金融监管部门对金融风险的预警和防控能力受限,难以在风险萌芽之初进行精准识别与有效干预。鉴于此,探讨如何抑制宏观金融杠杆波动,收敛金融风险,对推进金融稳定和实现经济高质量发展具有重要意义。

在数字经济时代,数据要素逐步成为最先进最活跃的新质生产要素,其市场化配置对促进经济增长和强化社会治理具有不可忽视的影响。2020年5月,《中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见》提出“加快培育发展数据要素市场”。党的二十届三中全会审议通过《中共中央关于进一步全面深化改革、推进中国式现代化的决定》,该文件再次强调“建设和运营国家数据基础设施、促进数据共享”,进一步体现了党中央对释放数据要素价值的高度重视。近年来,大数据技术被广泛应用于金融市场,已成为金融业优化资源配置、提高投融资效率的重要手段。不仅如此,伴随着数据要素体系的规范化、制度化发展,数据要素市场化不仅具有抑制企业投融资期限错配、改善企业债务期限结构的功能 [2] ,还可以缓解政企之间的信息不对称问题,提高政策实施的透明度。显然,数据要素市场建设已成为现阶段赋能实体经济和提高政策精准度的重要突破口。同时,数据要素市场建设不仅为经济发展模式转型升级提供新的机遇,还为稳定宏观金融杠杆波动带来新的思路。

近年来,学术界对数据要素市场建设的关注度逐渐提升。从研究对象来看,部分文献聚焦于产业和企业的数字化转型,发现数据要素市场建设不仅能够促进数字产业创新 [3] ,推动产业数字化发展 [4] ,还可以在数字产业化和产业数字化耦合的基础上驱动企业数字化转型 [5-6] 。另有文献关注人力资本和区域创新,发现数据要素市场建设有助于缓解劳动资源错配,优化企业劳动雇佣决策,提升人力资本积累水平,从而增强地区科技创新能力 [7-8] 。此外,还有学者探讨了数据要素市场建设的经济增长效应,发现数据要素市场建设不仅能够增强城市创业活力 [9] ,还可以提升制造业企业全要素生产率 [10] ,促进中国制造业收入增长 [11] ,助推区域经济高质量发展 [12] 。

学术界对宏观金融杠杆波动的研究已较为丰富。学者们主要从阻碍技术创新 [13] 、抑制金融服务实体经济效率提高 [14] 、引发经济波动 [15] 和抑制地区经济增长 [16] 等角度,考察了宏观金融杠杆波动的经济后果问题。由此可见,抑制宏观金融杠杆波动是推动经济实现量的合理增长和质的有效提升的重要任务。然而,探究宏观金融杠杆波动影响因素的研究仍有待深化,当前学者们多聚焦于金融风险、企业财务风险的影响因素方面。已有研究表明,金融和经济重大事件会导致经济金融风险溢出水平持续上升 [17] ,而依靠大数据的金融科技、数字金融有助于减少道德风险和逆向选择问题,降低区域金融风险,增强金融体系内部的风险抵御能力 [18-20] 。此外,杜直前和赵春艳(2024) [21] 、姚楠(2024) [22] 指出,大数据技术能够帮助企业及时预测、发现、管控财务风险,降低企业面临的财务风险水平,即从微观层次控制金融风险。

综上所述,既有研究主要聚焦于数据要素市场建设所带来的经济效应、宏观金融杠杆波动所引发的经济后果以及缓解金融风险的可能性路径等方面,鲜有研究从数据要素市场化的角度,探讨数据要素市场建设对宏观金融杠杆波动的影响及作用机制。但也有研究表明,大数据技术能从宏微观两个层面缓解金融风险。故推断,作为推动经济高质量发展的新引擎,数据要素市场建设也许会对宏观金融杠杆波动产生重要影响。为此,本文以274个地级市为样本,研究数据要素市场建设对宏观金融杠杆波动的影响。与已有文献相比,本文的边际贡献主要体现在以下两个方面:第一,以数据要素市场化为切入点,探讨数据要素市场建设对宏观金融杠杆波动的影响及作用机制,既拓展了数据要素市场建设宏观经济效应的研究边界,又深化了对于宏观金融杠杆波动影响因素的理解。第二,从商业银行数字化转型和经济结构调整两个角度探究了数据要素市场建设影响宏观金融杠杆波动的作用机制,同时将政策支持、信任环境和经济韧性纳入异质性分析框架中,为数据要素市场建设缓解金融风险提供了可行性路径和差异化治理手段。

二、理论分析与研究假说

(一)数据要素市场建设对宏观金融杠杆波动的直接影响

降低宏观金融杠杆的波动性,需要企业、银行以及监管部门三方的共同发力。首先,就企业端而言,数据要素市场建设促使数字技术逐步嵌入企业内部生产经营和管理架构,提高了信息流动和业务协作效率,重塑企业业务模式,有效推动了企业数字化转型。既有研究表明,企业数字化转型不仅会通过提高内部运营效率来提升经营绩效,还可以增强外部投资者的信心,拓展直接融资渠道,从而改善企业在金融市场上的股票流动性。股票流动性较高的企业会更倾向于选择股权融资作为资金的主要补充手段 [23] ,这有助于降低企业的超额杠杆,促使企业通过优化资金运用结构来稳定投融资比例,有效缓解投融资期限错配问题。此外,采用股权融资筹集的资金来源稳定,可以为企业提供长期稳定的支持,从而降低实体企业的融资成本和杠杆率,确保金融杠杆在合理范围内波动。其次,就银行端而言,借助数据要素市场发展的契机,商业银行能够有效利用其多维度数据资源,盘活数据资产,发挥数据价值,实现金融资源配置的精准化、业务评估的科学化和风险预警的及时化。银行信息甄别能力的提高还能合理引导信贷资源从低效“僵尸”企业向高效“优质”企业转移,推进企业结构性去杠杆进程 [24] ,避免“一刀切”式去杠杆可能引发的宏观金融杠杆剧烈波动,维护宏观经济的稳定和健康发展。此外,数据要素市场化配置意味着数据在市场上自由流通,银行可以获得更全面的数据资源,并根据市场需求设计更加符合客户需求的金融产品,提高金融服务的效率和质量,减少低效或无效的金融资源配置行为。最后,就监管部门角度而言,数据要素市场建设加速了金融监管领域的数据共享脚步,有效打破了数据孤岛现象,既为监管部门高效收集、整理、归类信息提供了底层技术支持,又提高了其监测资金流动和识别金融风险的敏感度,将宏观金融杠杆过度波动的风险“扼杀”于摇篮,以此降低金融风险对经济的潜在冲击。另外,由于去杠杆政策具有不完全契约特征,该政策落地时面临严重的信息不对称问题,去杠杆政策的现实执行情况较难反馈到政府部门 [25] 。为解决这一问题,政府可借助数据要素这一新型生产要素,推动数字政府建设,减少治理供给和治理需求之间的信息不对称,从而有效监测去杠杆政策实施过程中经济、社会、政策环境的变化,为政策的灵活调整和精准实施提供有力支撑,推动“积极稳妥去杠杆”目标的顺利实现。据此,本文提出如下假说。

H1 数据要素市场建设能够有效抑制宏观金融杠杆波动。

(二)数据要素市场建设抑制宏观金融杠杆波动的作用机制

数据要素市场建设影响宏观金融杠杆波动的主要渠道包括商业银行数字化转型和经济结构调整,两者对维护金融稳定和促进经济发展具有重要意义。

1.数据要素市场建设、商业银行数字化转型与宏观金融杠杆波动

理论上,数据要素市场建设能够通过推进商业银行数字化转型来抑制宏观金融杠杆波动。一般来说,数据要素具有强协同性,通过与其他生产要素的高度融合,能够改善商业银行业务水平和提升经营效率,推动商业银行数字化转型 [26] 。同时,随着数据要素被纳入生产要素的主要范畴,银行管理层开始认识到数据在业务运营、风险控制、客户服务等方面的重要价值,这也促使其决策行为由经验驱动向数据驱动转变。另外,商业银行数字化转型的本质在于利用数据要素全面改造业务和管理模式 [27] ,而数据要素市场建设作为大数据发展催生的市场变革,通过提升银行数据获取效率和弥补银行的数据缺口,能够为银行风险智能管理优化和降本增效持续加码,高效引导商业银行实现数字化转型 [28] 。数据要素市场建设对商业银行数字化转型的积极作用不言而喻,接下来将着重探讨商业银行数字化转型如何作用于宏观金融杠杆波动。马亚明等(2024) [29] 指出,商业银行数字化转型已成为防范和化解金融风险的重要手段。首先,数字化转型增强了商业银行的信息收集和分析能力,促使其能够根据全面的客户信息和市场数据,准确评估贷款风险,减少不良贷款的发生,降低信贷市场金融杠杆波动的潜在风险。其次,通过应用数据要素,商业银行不仅可以建立更精准科学的风险定价模型,对不同风险水平的客户进行差异化定价,提高风险管理的有效性,还能够利用更精确的识别手段,控制对房地产业等高风险领域的信贷投放,避免信贷资金过度集中和金融杠杆无序扩张引致的系统性风险。最后,商业银行数字化转型也为金融监管带来了便利。传统监管模式的现场检查,主要依赖人工收集分析数据和资料,具有工作量大、耗费时间长、准确度有限等缺陷。数字化转型助力商业银行可以高效、实时、准确传递信息给监管部门,减少人工干预和重复劳动,亦降低了出现操作风险的可能,从而使监管机构能够及时发现并控制潜在的宏观金融杠杆波动风险,保障金融市场的平稳运行。据此,本文提出如下假说。

H2 数据要素市场建设能够通过推动商业银行数字化转型抑制宏观金融杠杆波动。

2.数据要素市场建设、经济结构调整与宏观金融杠杆波动

数据要素市场建设的主要落脚点在于推动数据要素市场化配置,解决数据不正当竞争和垄断问题,促使数据要素在全国范围内的自由流动。然而,数据要素的产生和交易并不是一个孤立的环节,数据要素只有与其他生产要素协同才能充分发挥其积极效应 [30] 。故此,数据要素市场化配置一定程度上也能带动其他生产要素的升级。具体而言,数据要素市场发展能够促进知识在不同主体间转移和溢出,推动信息跨区域有序流动,这有利于减少经济活动的信息搜索成本,缓解企业和消费者之间的信息不对称,提高双方销售商品和购买商品的效率,从而加快相关生产要素在市场中的循环运动、自主交换以及有效配置,助力更有竞争力的企业和新兴产业获得发展。换言之,数据要素不但能通过准确判断市场需求驱动制造业价值链攀升 [31] ,而且促进了服务业生产率提升 [32] ,进而推动经济结构优化。既有研究表明,这种以产业结构转型升级为核心的经济结构调整是抑制金融风险、维护金融稳定的有效手段 [33] 。一方面,经济结构调整往往伴随着技术创新,企业利用创新活动,可以实现降本增效,增强自身的市场竞争力和盈利能力,降低其对外部融资的依赖,从源头防止宏观金融杠杆的过度波动。另一方面,经济结构转换升级会倒逼金融市场的创新和发展,增强金融服务的深度和广度,为实体经济企业提供更多元化、便捷化的金融服务,以此增强金融体系的灵活性和韧性,确保金融资源的合理分配,维持宏观金融杠杆的稳定性。据此,本文提出如下假说。

H3 数据要素市场建设能够通过促进经济结构调整抑制宏观金融杠杆波动。

三、研究设计

(一)模型设定

依据上述理论分析,实证检验数据要素市场建设对宏观金融杠杆波动的影响,采用双向固定效应模型进行回归,构建计量模型如下

v it = α + β 1 digit it + β 2 X it + δ i + μ t + ε it

(1)

其中, v it 是被解释变量,代表城市 i 第 t 年的宏观金融杠杆波动水平; digit it 是核心解释变量,代表城市 i 第 t 年的数据要素市场建设水平; X it 代表一系列控制变量。 δ i 和 μ t 分别代表城市和年份固定效应, ε it 代表随机误差项。

(二)变量选取

1.宏观金融杠杆波动( v )

参考马勇和陈雨露(2017) [16] 的思路,采用各城市年末金融机构各项贷款余额与地区生产总值之比来衡量城市层面的宏观金融杠杆水平。宏观金融杠杆波动采用各城市 t 、 t +1、 t +2期的宏观金融杠杆水平的移动标准差来衡量,该指标值越大,表明宏观金融杠杆的不稳定性越高。《中国城市统计年鉴》的相关数据更新到2022年,宏观金融杠杆波动的数值仅能计算到2020年,因此样本截止时间为2020年。

2.数据要素市场建设( digit )

当前关于数据要素市场建设的衡量主要有两种方式,一是将《大数据蓝皮书:中国大数据发展报告》系列报告测算的大数据发展指数通过比例下沉到地级市层面 [10] ,二是以建设数据交易平台、设立国家大数据试验区等外生冲击来表征数据要素市场发展水平,采用双重差分法进行相关研究 [34,6] 。首先,对于数据交易平台建设来说,我国目前成立数据交易平台的城市数量仍较为有限,此时使用双重差分模型进行估计可能会出现受到冲击的处理组数量较小的情况,从而导致估计系数的有效性减弱。其次,近年来,一系列有关大数据发展的政策相继出台,包括国家智慧城市试点、信息惠民国家试点城市、“宽带中国”示范城市等,数据交易平台建设以及国家大数据试验区设立的政策效果难免会受到其他相关政策或实践的影响,从而难以识别出外生冲击的净效应。再次,数据交易平台的建设和国家大数据试验区的设立可能会存在政策预期,即在政策实施前,一部分相关主体可能提前获知消息并做出调整,从而削弱了政策的外生性,产生估计偏误的后果。综上考虑,本文选择参考戴魁早等(2023) [10] 的思路,采用《大数据蓝皮书:中国大数据发展报告》系列报告测算的大数据发展指数来反映数据要素市场建设水平。这是我国首套对大数据领域进行全面梳理和总结的蓝皮书,以该系列报告的大数据发展水平对数据要素市场建设进行衡量具有较强的权威性,在学术界也得到了学者的广泛认可 [10,35] 。具体来看,该系列报告中的大数据发展指数包括政用指数、商用指数和民用指数三个一级指标,政用指数针对政府部门,由数据开放、数字政府和数字行动构成;商用指数针对市场部门,由市场支撑、发展活力和产业融合构成;民用指数针对居民部门,由数字基础、便民通达和信息消费构成,该大数据发展总指数全方位覆盖了政府管理、市场运行、居民生活三大方面,能够较好地代表数据要素市场建设水平。然而,该报告仅测度了2016—2020年省级层面的大数据发展水平,并未提供本文实证分析所需要的地级市层面的数据,此时需要将省级层面的大数据发展指数下沉至地级市层面。本文以各个地级市国际互联网用户数占本省国际互联网用户数的比例为权重,乘以本省的大数据发展指数,最终得到地级市的数据要素市场建设水平。具体而言,互联网作为区域大数据发展的底层技术支撑,与城市数据要素市场建设水平直接相关,国际互联网用户数越多的地方,该地区的互联网发展和信息化程度越突出,相应大数据发展水平也更高,故以国际互联网用户数占比作为权重是较为可靠的。

3.控制变量

人口密度( people ):人口密度较高的地区,通常伴随着更多的经济活动和旺盛的投融资需求,借贷行为可以通过提升当地金融资源配置的活跃度影响宏观金融杠杆波动,故人口密度的高低会对宏观金融杠杆波动产生重要影响。本文采用年平均人口与行政区划面积的比值来衡量。

金融效率( fin ):金融效率越高,意味着金融系统有效配置资金的能力越强,这有助于减少无效投资和降低高杠杆率。由此可见,金融效率会对宏观金融杠杆波动产生重要影响。本文采用年末金融机构存款余额与各项贷款余额的比值来衡量。需要说明的是,存款和贷款之比反映了金融机构将存款转化为贷款的能力,该指标越小说明金融效率越高。

就业水平( employ ):就业水平代表了当地居民的收入稳定性。当劳动者具有稳定的收入来源,其对于借贷活动的态度会同步发生变化。具体来看,就业水平上升会促使居民收入增加和消费能力提升,这不仅会加强消费者偿还债务的能力,也会扩张其购买住房、汽车等大额商品的信贷需求。由此可见,居民就业水平必然会对宏观金融杠杆波动产生不可忽视的作用。本文采用年末单位从业人员数占年平均人口的比值来衡量。

外商直接投资( invest ):外商直接投资意味着外国资本流入本国,这不仅会对本国金融市场流动性产生冲击,也有可能影响相关产业的债务水平和经营方式。因此,外商直接投资会对宏观金融杠杆波动产生影响。本文采用外商直接投资占GDP的比值来衡量。鉴于外商直接投资额的单位为美元,将其按照年平均汇率换算为人民币。

财政压力( fiscal ):当财政压力增大时,地方政府为了弥补财政收支缺口,可能会通过发行债券等方式增加债务融资规模,在地方经济与金融的相互影响下债务风险会转化为金融风险,从而对宏观金融杠杆波动产生影响。可见,财政压力对宏观金融杠杆波动具有重要作用。本文采用财政支出与财政收入的差值占GDP的比值来衡量。

4.机制变量

本文选取商业银行数字化转型( bank )和经济结构调整( struc )作为机制变量。首先,商业银行数字化转型采用北京大学中国商业银行数字化转型指数来衡量。鉴于该指数是以商业银行为研究对象测度的,为得到城市层面的商业银行数字化转型指数,参考贾盾和韩昊哲(2023) [36] 的思路,以各城市商业银行网点数占比为权重,加权求得各个城市的商业银行数字化转型指数。其次,第二产业和第三产业作为带动实体经济发展和培育新质生产力的中坚力量,两者的蓬勃发展对增强经济内生动力、促进金融市场健康发展具有重要作用。故此,本文选择第二产业增加值与第三产业增加值之和占GDP的比值来衡量经济结构调整。

(三)数据来源与描述性统计

基于数据的可得性和适用性,本文选取2016—2020年274个地级市的面板数据作为样本数据,数据主要来源于《大数据蓝皮书:中国大数据发展报告》系列报告、《中国城市统计年鉴》、CEIC数据库和北京大学中国商业银行数字化转型指数,缺失值采取插值法补齐。相关变量的描述性统计如表1所示。可以看到,宏观金融杠杆波动的标准差(0.08)略小于均值(0.09),但极差较大,均值(0.09)大于中位数(0.07),表明部分地区宏观金融杠杆波动情况较为明显。相似地,数据要素市场建设的标准差(2.66)略小于均值(2.95),但最大值(25.23)远高于最小值(0.03),均值(2.95)大于中位数(2.18),说明各地区的数据要素市场建设水平存在较大差异,但多数地区的数据要素市场建设已经初有成效。由此可见,本文考察数据要素市场建设对宏观金融杠杆波动的影响,具备较好的现实意义和研究价值。同时,为避免多重共线性等问题引起的估计偏误,本文计算了变量间的相关系数和VIF值,发现核心解释变量和控制变量之间的相关系数并未超过0.50,VIF均值为1.30,远小于临界值10,基本上排除了严重多重共线性问题。

表1 主要变量描述性统计结果

四、实证结果与分析

(一)基准回归

为识别数据要素市场建设对宏观金融杠杆波动的影响,本文采用双向固定效应模型进行检验,结果见表2。表2列(1)的标准误聚类在城市层面,列(2)的标准误聚类在城市-年份层面,列(3)使用了Driscoll-Kraay标准误。结果表明,无论采用何种标准误,数据要素市场建设 digit 的回归系数始终为负,至少在5%水平上显著,表明在其他条件不变的前提下,数据要素市场建设显著抑制了宏观金融杠杆波动,假说1得证。数据要素市场建设具有整合市场信息、优化资源配置、赋能技术创新以及创造社会财富等功能;一方面,能够促使金融资源流向真正有资金需求和具有良好发展前景的企业,在盘活低效资金的同时降低投融资错配;另一方面,还有助于将大数据、云计算和区块链等前沿技术应用于政府运营中,提高信息流通效率 [37] ,通过缓解信息不对称增强监管部门对去杠杆相关政策的监测能力,协调“稳增长”和“去杠杆”两大宏观经济目标,以此实现对宏观金融杠杆波动的有效抑制。

表2 基准回归结果

注:括号内为t统计量,*、**、***分别表示在10%、5%、1%水平上显著,下同;后文回归结果中报告的是聚类在城市层面的t统计量。

(二)稳健性检验

1.变更核心解释变量的测度方式

基准回归中,本文以地级市国际互联网用户数占比将省份层面的大数据发展指数下沉到地级市层面以衡量城市数据要素市场建设水平。事实上,电信运营商拥有庞大的用户群体和先进的网络基础设施,这些数字资源和基础设施是数据要素市场建设的重要组成部分,因而电信业务也是推动数据要素市场建设的重要引擎之一。因此,在稳健性检验中,本文参考戴魁早等(2023) [10] 的做法,尝试以地级市国际互联网用户数占比和电信业务总量占比的算术平均数作为权重重新进行地级市数据要素市场建设水平的计算。表3列(1)的回归结果显示,数据要素市场建设 digit 的回归系数为负,在5%水平上显著,说明更改核心解释变量的测度方式并不影响回归结果,数据要素市场建设能够有效抑制宏观金融杠杆波动的结论依然成立。

表3 稳健性检验结果

2.消除异常值和极端值的影响

从描述性统计可以观察到,大多数变量的波动性较大,因而本文使用1%的双侧缩尾方法对核心解释变量和被解释变量进行处理,以消除异常值和极端值对实证结果的干扰。表3列(2)的回归结果显示,缩尾处理后,数据要素市场建设 digit 的回归系数为负,在5%水平上显著,佐证了基准回归的主要结论。

3.增加控制变量

虽然基准回归中已经纳入多个控制变量,但仍然可能存在其他影响宏观金融杠杆波动的因素。基于此,本文增加财政支持( support )、房地产开发投资( estate )和贸易差额( trade )作为控制变量进行稳健性检验,分别采用财政支出占GDP的比值、房地产开发投资占GDP的比值、出口额与进口额之差占GDP的比值来衡量。首先,本文在基准回归中已控制财政压力对宏观金融杠杆波动的潜在影响,但地方政府的财政投入力度也有可能会对宏观金融杠杆波动产生影响。具体而言,积极的财政政策可能会增强投资者的投资意愿和金融杠杆的使用倾向,相反,消极的财政政策也许会引发市场的担忧和避险情绪,从而抑制投融资行为。其次,房地产作为高杠杆交易的代表性行业,可以利用较少的自有资金撬动大量的外来资金,从而引起宏观杠杆率上升,增加经济运行的债务风险和加剧金融市场动荡。最后,贸易差额代表了一地贸易利益的获取能力,进出口贸易活动会明显影响当地的融资需求和宏观杠杆率,进而带动宏观金融杠杆率发生变化。由此可见,财政支持、房地产开发投资和贸易差额均是影响宏观金融杠杆波动的重要因素。表3列(3)-(6)显示,在考虑上述三个因素的影响后,数据要素市场建设 digit 的回归系数均为负,至少在5%水平上显著,数据要素市场建设对宏观金融杠杆波动的抑制效应仍然存在。

4.排除政策干扰

为避免样本区间内发布的政策影响宏观金融杠杆波动,本文选择将地方政府欠款治理( govern )和绿色金融改革创新试验区( green )两个典型政策纳入模型进行回归。一方面,地方政府欠款治理不仅有助于缓解企业内部流动性约束和破解投融资困境,还能够提高劳动收入份额,降低企业杠杆率,从而影响整体经济的宏观金融杠杆变化。另一方面,绿色金融改革创新试验区推动了绿色金融工具的创新和推广,为绿色企业提供了广泛的资金支持,提高了企业融资的便利性。相应地,该政策引导金融资源由重污染企业流向绿色企业,间接提高了重污染企业的融资难度,从而遏制了重污染企业的生产经营活动。这种融资成本的变化可能会影响企业的债务负担,引起宏观金融杠杆发生波动。表3列(7)显示,在控制上述两项政策后,数据要素市场建设 digit 的回归系数为负,在1%水平上显著,佐证了基准回归结论的稳健性。

5.控制系统性因素影响

为了减少省份层面随时间变化的不可观测因素以及可能存在的遗漏变量对宏观金融杠杆波动的影响,本文在基准回归的基础上,进一步引入了省份和年份的交互效应。表3列(8)显示,在控制系统性因素的影响后,核心解释变量 digit 的回归系数为负,在5%水平上显著,与基准回归结果保持一致。同时可以看到,模型的拟合优度相较于基准回归有了明显的提高,表明模型解释力提升。

(三)内生性问题处理

考虑到模型可能存在遗漏变量、样本自选择和测量误差等内生性问题,对此,本文运用两阶段最小二乘法(2SLS)和倾向得分匹配法(PSM)对内生性问题进行处理,以保证结论的可靠性。

1.工具变量法

参考Lewbel(1997) [38] 构建工具变量的思路,将各城市的数据要素市场建设水平与本省所有城市当年数据要素市场建设水平的均值做减法,再对离差求三次方作为工具变量( iv ),这种不借助外部因素的方法能够构建有效的内部工具变量,在一定程度上消除内生性偏差。对数据要素市场建设水平进行上述处理,既能够保证工具变量在控制固定效应后与单个城市宏观金融杠杆波动的残差项不相关,又与该省份的实际数据要素市场建设水平高度相关,满足工具变量的排他性和相关性要求。表4列(1)-(2)为两阶段最小二乘估计的第一阶段和第二阶段回归结果。可以观察到,第一阶段工具变量 iv 的回归系数为正,在1%水平上显著;第二阶段的回归结果显示,数据要素市场建设 digit 的回归系数为负,在5%水平上显著,这与基准估计结果一致。此外,工具变量不可识别检验结果表明,Kleibergen-Paap rk LM统计量对应的p值为0.03,显著拒绝工具变量识别不足的原假设;工具变量弱识别检验结果表明,Kleibergen-Paap rk Wald F 统计量为92.68,明显大于Stock-Yogo弱识别检验10%水平上的临界值16.38;同时工具变量和内生变量的个数相等,模型恰好识别。综上所述,通过工具变量法识别因果关系,数据要素市场建设仍能够显著抑制宏观金融杠杆波动。

表4 内生性检验结果

注:列(2)括号内为聚类在城市层面的z统计量,工具变量回归不报告R 2 ;由于使用的是xtivreg2命令,工具变量法的回归结果不报告常数项。

2.倾向得分匹配法

针对样本选择偏误问题,本文采用倾向得分匹配法(PSM)进行分析。首先,根据数据要素市场建设水平的均值区分处理组和控制组,将高于均值的样本设定为数据要素市场建设高水平组,即处理组,并赋值为1;将低于均值的样本设定为数据要素市场建设低水平组,即控制组,并赋值为0。其次,由于宏观金融杠杆波动受到人口发展和财政状况等因素的共同影响,因而将前述提到的控制变量作为协变量,使用logit模型估计倾向得分。然后,分别采用半径匹配方法和核匹配方法进行配对。图1从左到右分别对应半径匹配和核匹配的平衡性检验图,黑色圆点表示各协变量在匹配前的标准化偏差,叉号表示各协变量在匹配后的标准化偏差,不难发现,所有协变量的标准化偏差在匹配后均明显缩小,倾向得分匹配法能够较大程度地消除处理组和控制组的特征差异。最后,利用满足共同支撑假说的样本进行再次回归。表4列(3)-(4)是基于倾向得分匹配后的样本进行的双向固定回归结果,可以发现数据要素市场建设 digit 的回归系数均为负,在5%水平上显著,与前述结论保持一致。

图1 倾向得分匹配平衡性检验图

五、作用机制探索

从前文的作用机制分析可知,数据要素市场建设对宏观金融杠杆波动的影响可能存在推动商业银行数字化转型和促进经济结构调整两种主要机制。基于此,本文利用机制模型 [39] 对上述作用渠道进行实证检验,具体构建如下

med it = α + β 1 digit it + β 2 X it + δ i + μ t + ε it

(2)

其中, med it 代表中介变量,包括商业银行数字化转型和经济结构调整,其余变量设定与式(1)相同。基准回归已经明确了数据要素市场建设对宏观金融杠杆波动的影响,因而本部分重点探索数据要素市场建设对机制变量的作用。

(一)商业银行数字化转型

本文采用北京大学中国商业银行数字化转型指数作为商业银行数字化转型的代理变量进行作用机制分析。表5列(1)的结果表明,数据要素市场建设 digit 的回归系数为正,在10%水平上显著,表明数据要素市场建设推动了商业银行数字化转型。具体而言,数据要素市场建设推动了算力资源的优化配置,这有助于商业银行构建开放合作的生态体系,加深与拥有前端技术的金融科技公司的联系,推动双方在产品和技术方面的深度合作,为商业银行升级基础设施、创新业务模式和构建金融科技生态系统提供底层技术支持。数字化转型有助于商业银行建设智能风控系统,利用数字技术对客户进行精准有效的风险评估,将信贷资源更多地投放到具有发展潜力和还款能力的优质客户,避免过度借贷和不良贷款的发生,从而抑制宏观金融杠杆过度波动。此外,商业银行数字化转型为监管科技潜能的有效释放提供了保障。具体而言,以大数据和人工智能技术为底层逻辑的监管科技能够拓宽监管视野、锚定监管行动时机、强化监管力度,减少因违规行为导致的宏观金融杠杆波动。假说2得证。

表5 作用机制检验结果

(二)经济结构调整

本文参考唐勇和吕太升(2023) [40] 的做法,使用第二产业增加值和第三产业增加值之和占GDP的比值来代表经济结构调整。该比值反映了城市经济结构状况,数值越大说明经济结构越趋向高级化。表5列(2)的结果表明,数据要素市场建设 digit 的回归系数为正,在5%水平上显著,即数据要素市场建设能够推动城市经济结构调整。数据要素市场建设可以通过优化生产流程、提高生产效率、降低运营成本等渠道,赋能传统产业,推动传统产业向智能化、网络化、数字化方向转型升级。数据要素的市场化流通还能催生新产业、新业态和新模式,助力新质生产力发展,促进经济结构优化升级。经济结构调整是经济增长动力转换的重要体现之一,随着经济增长来源从传统产业向高新技术产业和服务业转变,经济发展的稳定性和可持续性同步增强,这有助于降低宏观经济的波动性,稳定社会信贷需求,抑制宏观金融杠杆波动。假说3得证。

六、进一步分析

(一)维度异质性

《大数据蓝皮书:中国大数据发展报告》系列报告中的大数据发展指数是围绕着政用、商用、民用三个方面进行测度的,因此,大数据发展的三个维度可能对宏观金融杠杆波动产生不同的影响。为进一步探讨数据要素市场建设对宏观金融杠杆波动可能存在的结构效应,本部分基于数据要素市场建设的三个维度进行分维度回归。表6结果显示,数据要素市场政用建设 digit _ zy 和商用建设 digit _ sy 的回归系数为负,分别在10%和1%水平上显著,数据要素市场民用建设 digit _ my 的回归系数并不显著,说明数据要素市场政用建设和商用建设能够显著抑制宏观金融杠杆波动,而数据要素市场民用建设的作用尚未显现。原因可能在于,数据要素市场商用建设多侧重于助力数字经济、加大科技投入、建设电商平台等领域,这能够畅通信息流通渠道,推进“数字产业化”和“产业数字化”建设。企业杠杆作为宏观金融杠杆的主要影响因素,数据要素市场商用建设能够通过改善信贷资源错配,提高金融资源与企业的风险特征匹配效率,减少不必要的“加杠杆”行为来抑制企业杠杆波动,从而维持宏观金融杠杆的稳定。数据要素市场商用建设固然重要,但在实践中不能顾此失彼,数据要素市场政用建设对于抑制宏观金融杠杆波动的作用也不可忽视。数据要素市场发展促使各地电子政务建设不断推进,大数据在政务方面的应用不断深化,加强了政府对企业积极稳妥去杠杆的指导作用。而数据要素市场民用建设对宏观金融杠杆波动抑制作用不显著的原因可能在于,与企业相比,普通居民对数据要素市场的认知度不足,难以充分把握数据要素的价值和潜力,更难以将数据资源融入家庭金融资产配置中并借此合理控制家庭负债比例。这说明未来既要大力推进数据要素市场建设,又不能忽略发展过程中对居民数据要素“理解力”和“掌控力”的培育。

表6 维度异质性回归结果

(二)环境条件异质性

考虑到数据要素市场建设对宏观金融杠杆波动的抑制效应可能会受到城市环境条件的影响,有力的政策支持可以为数据要素流通和交易提供优质的基础设施建设,良好的信任环境有助于数据交易市场建立规范化的交易机制,较强的经济韧性能够提升城市的风险承受力,这些因素都有可能会影响数据要素作用的发挥。基于此,本部分试图基于政策支持、信任环境和经济韧性展开异质性分析。参考崔日明等(2021) [41] 的研究,采用如下模型进行异质性检验

v it = α + β 1 digit it × diff 1 + β 2 digit it × diff 2 + β 3 X it + δ i + μ t + ε it

(3)

其中, diff 1 和 diff 2 为分组虚拟变量,以下文的政策支持异质性为例,对于 diff 1 ,属于试验区的城市取1,不属于试验区的城市取0;对于 diff 2 ,不属于试验区的城市取1,属于试验区的城市取0。其余变量设定与式(1)相同。通过比较上式参数 β 1 和 β 2 的统计显著性检验异质性,该方法能够规避分组回归中样本量差异导致的估计偏误,证明两组之间的异质性特征。

1.政策支持

数据要素市场建设不仅有赖于相关技术和产业发展的加持,更离不开政府的统筹引领。2015年国务院印发《促进大数据发展行动纲要》,2016年贵州省成为全国首个大数据综合试验区,随后诸多地区开展国家大数据综合试验区建设工作。不难想到,一个地区的数据要素市场建设前景与该地区政策支持力度息息相关,因而本文认为地区是否获批国家大数据综合试验区对数据要素市场建设能否有效抑制宏观金融杠杆波动至关重要。基于此,按照城市是否获批建设国家大数据综合试验区进行样本划分,设定虚拟变量 test 和 nontest ,若城市属于国家大数据综合试验区, test 赋值为1, nontest 赋值为0,反之同理。从表7列(1)的结果可以观察到,数据要素市场建设显著抑制了试验区城市的宏观金融杠杆波动,而非试验区城市对应的回归系数并不显著,说明建设国家大数据综合试验区这一政策对于数据要素市场建设抑制宏观金融杠杆波动的作用不可或缺。原因可能是,国家大数据综合试验区在数字基础设施建设和制度建设配套方面更能引领数据要素市场建设,且被认定为国家大数据综合试验区的城市资源配置效率相对其他城市更高,这有助于纠正资源配置偏差和金融杠杆扭曲,以此缓解宏观金融杠杆的波动幅度。此外,试验区城市在数据要素市场建设方面拥有更多的自主权和创新空间,能够率先探索新的市场机制和监管模式,降低数据交易的风险和成本,增强市场稳定性,进而对宏观金融杠杆的稳定产生积极影响。

表7 环境条件异质性回归结果

2.信任环境

良好的信任环境是防范金融风险的重要前提,故推断城市信任环境的优劣是影响数据要素市场建设对宏观金融杠杆波动抑制效应的重要因素,即城市处于不同的信任环境,其宏观金融杠杆波动受数据要素市场建设的影响也存在差异。理论上,社会信任能够加快数据要素与传统生产技术深度融合,深入发挥信息技术红利优势,促进政府、银行、企业工作对接,实现三者之间的协调配合,进而形成一个更加稳定的金融体系。另外,我国数据要素市场建设仍面临缺乏信任交易机制的困境 [42] ,良好的信任环境有助于增强数据要素交易双方的数据信任程度,有效补充数据要素市场信任交易机制,更有效率地发挥数字资源对宏观金融杠杆波动的抑制作用。基于此,本文选取《中国城市商业信用环境指数白皮书》的城市商业信用环境指数来衡量城市信任环境,并以各城市历年商业信用环境指数均值的中位数为界,将样本数据划分为信任环境较好组和信任环境较差组,以此设定虚拟变量 credit 和 noncredit ,若城市处于信任环境较好组, credit 赋值为1, noncredit 赋值为0,反之同理。表7列(2)是基于信任环境异质性的回归结果,可以看到,数据要素市场建设显著抑制了信任环境较好城市的宏观金融杠杆波动,而信任环境较差城市对应的回归系数并不显著,说明营造良好的信任环境对于数据要素市场建设发挥宏观金融杠杆波动抑制效应至关重要。

3.经济韧性

城市经济韧性作为城市韧性中起着基础性作用的子系统,被定义为城市系统应对经济危机等冲击后仍具有可持续发展的能力 [43] 。一般情况下,经济韧性越强的城市,数据要素市场建设对宏观金融杠杆波动的抑制作用更突出。一方面,若要有效发挥数据要素对企业金融风险的缓解作用,企业必须具备相应的数据分析能力和ICT基础设施,而城市经济韧性的增强往往伴随着5G基站、数据中心、物联网等数字基础设施的飞速发展,这为企业使用数据要素实现资源整合、提高经营效率、形成稳定的投融资关系提供了底层技术支持。另一方面,数据要素市场的培育和发展高度依赖人力资本,原因在于掌握数字专业技能和具有科学素养的高技能人才是数据要素价值得以充分挖掘的关键互补要素。从这个角度来说,经济韧性的增强带来的人才集聚效应,会提高数据要素的质量和可信度,加强监管部门政策制定和执行的精准性,进一步抑制宏观金融杠杆波动。此外,方福前等(2021) [44] 认为,债务风险过高的情况下,在经济上行、经济韧性较大时推行去杠杆政策更为合适,原因在于此时经济主体承受负面冲击的能力较强,更有利于化解债务风险,维持债务结构稳定。综上所述,城市经济韧性越强,数据要素市场建设抑制宏观金融杠杆波动的效果会越明显。为验证这一结论,本文从抵抗力和恢复力、重构力和更新力多个维度构建城市经济韧性评价指标体系(见表8),采用熵值TOPSIS方法计算城市经济韧性。该指标体系既从居民生活、经济发展以及低碳转型三个方面衡量了我国经济抵御冲击和可持续发展的能力,又从人力资本、创新创业能力、商品市场活跃程度、网络基础设施建设四个方面表征了我国经济体系转型升级的潜力,可以较为全面地测算城市经济韧性水平。在此基础上,根据每个城市样本期内的均值求得所有城市的中位数,高于中位数的城市定义为经济韧性高水平组,反之为经济韧性低水平组,以此设定虚拟变量 eco 和 noneco ,若城市处于经济韧性高水平组, eco 赋值为1, noneco 赋值为0,反之同理。表7列(3)是基于经济韧性异质性的回归结果,可以看到,数据要素市场建设显著抑制了经济韧性较强城市的宏观金融杠杆波动,而经济韧性较差城市对应的回归系数不显著,说明城市经济韧性的增强有利于更大限度地发挥数据要素市场建设的宏观金融杠杆波动抑制效应。

表8 城市经济韧性评价指标体系

七、结论与启示

本文采用274个地级市的面板数据,实证检验数据要素市场建设对宏观金融杠杆波动的影响。得出如下主要结论:第一,数据要素市场建设有助于抑制宏观金融杠杆波动,有效维护我国金融稳定。第二,数据要素市场建设能够通过推动商业银行数字化转型和促进经济结构调整抑制宏观金融杠杆波动。第三,数据要素市场建设对宏观金融杠杆波动的影响存在维度异质性和环境条件异质性。维度异质性方面,数据要素市场政用建设和商用建设对宏观金融杠杆波动表现出显著的抑制效应,而数据要素市场民用建设的效果尚未显现。环境条件异质性方面,在政策支持力度较大、信任环境较好、经济韧性较强的城市中,数据要素市场建设抑制宏观金融杠杆波动的效果更明显。基于以上结论,本文提出如下政策启示。

第一,着力建设数据要素市场,增强大数据技术对宏观金融杠杆波动的抑制作用。充分利用大数据进行精算、统计和模型构建,开发宏观金融监测预警系统,实时监测宏观金融杠杆水平及其变化趋势,力争提前识别潜在风险点,建立事前风险防范机制。同时,制定并完善数据要素市场交易规则,做好数据安全和隐私保护工作,为数据的收集、存储、处理、使用以及流通提供明确的法律框架,避免数据权属不明现象,减少因信息不对称引发的过度借贷和投资冲动行为。此外,构建金融大数据中心,整合归集税务、金融等多部门数据,打造覆盖广泛、功能完备、运行高效的数据流通网络,实现跨部门、跨层级经济金融数据的互通共享,为金融市场的宏观调控提供精准数据支持。

第二,持续释放数据要素潜能,以商业银行数字化转型和经济结构调整为渠道把控金融风险。一方面,鼓励商业银行利用大数据、人工智能和云计算等技术提升自身的信息分析和风险识别能力,实现信贷审批、客户评级、风险监控等环节的数字化升级,做好风险的实时监控和预警。推进智能合约等技术手段应用于商业银行,增强金融交易活动的透明度和可追溯性,提高金融资源配置效率,抑制金融杠杆的过度积累。另一方面,构建数据驱动的产业升级路径,鼓励企业利用数据要素进行技术革新和制度创新,推动传统产业数字化、智能化转型,形成高效的数据处理体系,以此增强企业分析市场现状、评估债务风险的能力。同时,引导数据要素与实体经济特别是制造业和服务业融合,提高生产效率,增强经济内生增长动力,推动产业结构升级和转型,从根本上减少实体企业对金融杠杆的依赖,实现经济的高质量发展。

第三,充分发挥国家大数据综合试验区的示范作用,打好信任环境建设、经济韧性提升与数据要素市场建设的组合拳。高水平推进国家大数据综合试验区建设,突出创新引领,厚植特色优势,发挥先行探路、引领示范和辐射带动作用,畅通试验区和非试验区在数据要素市场建设上的合作途径,鼓励非试验区积极引进新兴技术和先进理念,并将其应用于金融大数据平台建设中,使数据要素的“稳杠杆”效应得以充分体现。同时,完善社会信用体系,全面布局公共信用信息管理系统,助力公共信用数据与金融服务实现协同整合,建立跨地区、跨部门的信用联动奖惩机制,为金融部门配置信贷资源提供参考。此外,利用大数据提升宏观经济治理能力,加强对经济数据的收集和汇聚,建立经济大数据处理分析平台,将其打造为经济风险预警和经济韧性强化的智能中枢,深度把控宏观金融杠杆率的整体稳定,保障我国金融发展行稳致远。

参考文献

[1]何剑,祝林.宏观杠杆率、金融稳定与货币政策调控——基于中国金融稳定指数的构建[J].暨南学报(哲学社会科学版),2023,45(12):110-128.

[2]高玉强,王子帅,张宇.大数据应用如何抑制企业投融资期限错配?——资源效应与信息效应[J].金融论坛,2023,28(10):36-47.

[3]赵放,蒋国梁,马婉莹.数据要素市场赋能数字产业创新——来自准自然实验的证据[J].经济评论,2024(3):109-125.

[4]陈寒钰,赵紫凤,刘超.数据要素市场建设促进了产业数字化发展吗——基于数据交易平台的准自然实验[J].宏观经济研究,2024(1):61-74.

[5]郑江淮,周南.数据要素驱动、数字化转型与新发展格局[J].山东大学学报(哲学社会科学版),2023(6):93-105.

[6]孙伟增,毛宁,兰峰,等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J].中国工业经济,2023(9):117-135.

[7]刘传明,陈梁,魏晓敏.数据要素集聚对科技创新的影响研究——基于大数据综合试验区的准自然实验[J].上海财经大学学报,2023,25(5):107-121.

[8]胡金焱,于露,刘茵伟.数据要素资源与企业劳动雇佣——基于公共数据开放的准自然实验[J].济南大学学报(社会科学版),2024,34(4):5-15.

[9]蔡运坤,周京奎,袁旺平.数据要素共享与城市创业活力——来自公共数据开放的经验证据[J].数量经济技术经济研究,2024,41(8):5-25.

[10]戴魁早,王思曼,黄姿.数据要素市场发展与生产率提升[J].经济管理,2023,45(6):22-43.

[11]于柳箐,高煜.数据要素推动了中国制造业增长吗?——基于森林机器学习的分析[J].经济体制改革,2024(3):175-183.

[12]苏锦旗,唐诗瑶,张营营.国家级大数据综合试验区能否促进区域经济高质量发展——基于试点区政策的准自然实验[J].现代财经(天津财经大学学报),2023,43(10):56-73.

[13]张璟,张震,刘晓辉.宏观金融杠杆波动抑制了技术创新吗?——来自中国省际面板数据的经验证据[J].国际金融研究,2021(6):3-12.

[14]张焕明,马昭君.宏观金融杠杆波动抑制了金融服务实体经济效率的提高吗?[J].统计研究,2023,40(6):49-62.

[15]吴建銮,赵春艳,南士敬.金融杠杆波动与中国经济波动——来自我国省级面板数据的实证研究[J].当代经济科学,2018,40(5):12-20.

[16]马勇,陈雨露.金融杠杆、杠杆波动与经济增长[J].经济研究,2017,52(6):31-45.

[17]胡春阳,马亚明.重大事件对经济金融风险溢出水平的持续影响[J/OL].财贸经济,1-17[2024-08-05].https://doi.org/10.19795/j.cnki.cn11-1166/f.20240712.007.

[18]田利辉,李懿行,李政.试验性监管能抑制区域金融风险吗——来自“金融科技创新监管试点”的证据[J].经济学家,2024(7):79-88.

[19]欧阳资生,熊家毅,马文博.数字金融如何影响我国区域性金融风险——基于空间杜宾模型的分析[J].统计研究,2024,41(5):24-35.

[20]李优树,张敏.数字普惠金融发展对系统性金融风险的影响研究[J].中国特色社会主义研究,2020(Z1):26-34.

[21]杜直前,赵春艳.大数据政策治理企业“脱实向虚”——基于国家级大数据综合试验区的准自然实验[J].华东经济管理,2024,38(5):1-12.

[22]姚楠.大数据背景下企业财务管理的创新模式[J].山西财经大学学报,2024,46(S1):190-192.

[23]LIPSON M L,MORTAL S.Liquidity and capital structure [J].Journal of Financial Markets,2009,12(4):611-644.

[24]张金清,李柯乐,张剑宇.银行金融科技如何影响企业结构性去杠杆?[J].财经研究,2022,48(1):64-77.

[25]鲍树琛,许永斌,刘小雨.去杠杆政策、政府审计与国有企业杠杆操纵[J].审计与经济研究,2023,38(4):13-22.

[26]林春,葛辛荻,孙英杰.商业银行数字化转型与新质生产力提升[J/OL].财经理论与实践,1-8[2024-08-06].http://kns.cnki.net/kcms/detail/43.1057.f.20240612.1419.008.html.

[27]卢燕璇,张文杰,杨依云,等.技术、权力与控制:“技术-组织”互构视角下的数字化转型与工作关系变迁[J].电子政务,2024(9):51-64.

[28]林春,王子绮,张雯婧,等.数据要素市场化赋能银行数字化转型了吗?——来自中国城市层面的经验证据[J].技术经济,2024,43(9):56-71.

[29]马亚明,马丽敏,于博.数字化转型能够降低银行信用风险吗?——基于交叠DID模型的实证检验[J].现代财经(天津财经大学学报),2024,44(3):3-18.

[30]郑磊.数据重塑生产力——数据要素嵌入生产函数初探[J].东北财经大学学报,2024(3):86-97.

[31]崔祥民,张子煜.数字经济、生产要素结构和地区价值链地位攀升[J].商业研究,2023(5):100-110.

[32]于柳箐,高煜.数据要素、数据挖掘与中国服务业生产率提升——来自双重机器学习的因果推断[J].商业研究,2024(3):9-19.

[33]杨瑞杰.行业博弈、信息优势与股价暴跌风险[J].经济管理,2019,41(3):156-173.

[34]刘满凤,杨杰,陈梁.数据要素市场建设与城市数字经济发展[J].当代财经,2022(1):102-112.

[35]赵云辉,张哲,冯泰文,等.大数据发展、制度环境与政府治理效率[J].管理世界,2019,35(11):119-132.

[36]贾盾,韩昊哲.金融科技与商业银行竞争性负债[J].世界经济,2023,46(2):183-208.

[37]孙英杰,张雯婧,林春.供应链金融赋能新质生产力的理论逻辑、现实困境及实现路径[J].辽宁大学学报(哲学社会科学版),2024,52(4):20-30.

[38]LEWBEL A.Constructing instruments for regressions with measurement error when no additional data are available,with an application to patents and R&D [J].Econometrica,1997,65(5):1201-1213.

[39]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022(5):100-120.

[40]唐勇,吕太升.数字普惠金融能提升农业全要素生产率吗?[J].哈尔滨商业大学学报(社会科学版),2023(3):3-18.

[41]崔日明,陈永胜,李丹.自贸试验区设立与区域经济增长:基于动力机制与空间带动效应的研究[J].国际贸易问题,2021(11):1-20.

[42]邹纯龙,马海群,王今.面向全国统一大市场的数据信用体系构建研究[J].情报理论与实践,2023,46(7):44-50.

[43]朱金鹤,孙红雪.中国三大城市群城市韧性时空演进与影响因素研究[J].软科学,2020,34(2):72-79.

[44]方福前,李洁,古元峰.中国债务周期演进及高杠杆形成原因研究[J].当代经济研究,2021(6):74-87.

基金项目： 辽宁省属本科高校基本科研业务费专项资金资助(LJ112410140078,LDJBKYSK2024006)。

作者简介： 孙英杰,女,辽宁大学金融与贸易学院副教授,博士,硕士生导师,主要从事金融发展理论与政策研究;张雯婧,女,辽宁大学金融与贸易学院硕士生,主要从事金融发展理论与政策研究;林春(通讯作者),男,辽宁大学金融与贸易学院副教授,博士,博士生导师,主要从事金融发展理论与政策研究。

---

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

---

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第 3321

期）

编辑整理： 蔡子团队

团队成员 ： 陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤

审核审校： 蔡双立  方菲  胡少龙

长按以下二维码，关注《现代财经》公众微信号（modern-finance)

欣赏和阅读《现代财经》2025年第3期，敬请点击以下 阅读原文