金融科技、银行业结构与中小企业融资——基于新结构经济学的视角

尹 应 凯，艾 敏

（上海大学 经济学院，上海 200444）

一、引言

我国是发展中国家，产业结构以劳动密集型为主，这些产业通常资本密集度低，大多为中小规模企业。2018年8月召开的国务院促进中小企业发展工作领导小组第一次会议指出了中小企业具有“五六七八九”的典型特征，即中小企业贡献了50%以上的税收、60%以上的GDP、70%以上的技术创新、80%的城镇劳动就业，占据企业数量的90%以上，是建设现代化经济体系、推动经济实现高质量发展的重要基础。银行体系的信贷资金是我国中小企业融资最主要的外源渠道，并且，大量文献研究都表明了，大银行倾向于给予大规模企业资金支持，而中小银行适合为中小企业服务，由此决定了发展中国家实体经济对于中小银行有相当高的需求。杨子荣和王勇指出，由于体制的因素和战略赶超，中国早期的经济发展并没有遵循企业演化一般规律，即先有小企业，再逐渐发展为大企业，而是先有国有大型企业，然后才发展中小企业。根据新结构经济学的思想，要素禀赋及结构决定了企业规模，而企业规模决定了与之匹配的银行业结构，因此我国先有大银行，然后再补充发展中小银行。［1］现阶段的中国，大银行为主的银行业结构与产业结构不相匹配，在中小银行比例不足的时候，便出现中小企业的融资需求无法得到满足的现象。

银行业的结构与企业规模结构不匹配是中小企业融资难的一个重要原因。除此之外，在我国信用体系建设长期处于不健全的状态下，中小企业自身仍存在财务风险高、发展不健全、缺乏财务报表等问题，这便造成了银行对中小企业存在严重的信息不对称。金融科技，顾名思义，就是金融与技术的融合发展，它落脚点在金融，以金融需求作为导向，以科技创新应用作为支撑。近年来，云计算、大数据、人工智能和区块链等技术颠覆传统的金融模式，未来的金融增长点在于金融科技。银行的数字化转型是利用数字化技术来驱动银行传统业务模式创新的一种途径与方法，金融科技助力银行业的数字化转型是时代的必然要求。2017年，互联网行业四大天王BATJ“联姻”四大银行，即建行与阿里巴巴牵手，农行与百度联姻，工行与京东结盟，中国银行与腾讯合作，可见布局金融科技是银行业在数字化时代的发展趋势，同时也将是破解中小企业融资问题的重要途径。中小银行虽然在服务中小企业客户上有优势，但由于其吸收存款的能力有限，资本充足率低，再进一步拓展中小企业的业务便存在着桎梏。民营银行在破解小微企业融资困境方面也进行了颇多有益的探索，以网商银行和微众银行最为突出，网商银行服务中小微企业的数量每年都保持100%的高速增长。但民营银行也存在缺陷，一方面是“一行一店”的原则使得网点十分稀有，获取线下存款的能力较差；另一方面是微众银行和网商银行背靠腾讯和阿里两个流量巨头同时也是金融科技企业，使其成功难以复制。大型银行资金实力雄厚，近年来在助力中小企业融资这一问题上也取得了一些成果，例如五大行在总行和所有一级分行成立了普惠金融事业部，工行和建行积极布局科技，整合行内数据以及税收、电力等信息资源，研发了全流程线上操作、自动识别风险、评分审批的贷款产品，实施效果良好。但相比中小银行，大行仍然未将其强大的资源禀赋和服务中小企业的能力充分地释放出来。因此，大型银行更要进一步发展金融科技，借助云计算、大数据、人工智能和区块链等技术进行数字化转型，凭借自身强大的资金优势与实力成为中小企业的服务者。对于银企之间信息不对称的问题，银行可以通过大数据技术打通数据壁垒，绘制企业用户画像，实现精准风控，及时获得企业风险状况变化信息，打破信息孤岛。

在本文的研究中，我们基于新结构经济学的思想，从银行业结构与产业结构、企业规模相匹配的原则出发，利用金融科技、银行业宏观数据和企业微观数据来考察金融科技、银行业结构与中小企业融资的关系。本文旨在从银行业结构和银行本身的数字化转型来寻求解决中小企业融资难问题的对策。本文试图解决几个问题：银行业结构对中小企业融资的影响机制是怎样的？在加入金融科技的因素后，这一影响机制如何改变？大银行和小银行的变化有何不同？

本文的主要贡献在于：第一，从已有的文献来看，虽然研究银行业结构和企业融资的文献很多，但尚未有学者将金融科技发展的因素加入到这个主题的研究当中，因此本文丰富了理论文献的研究，同时也对未来银行业与金融科技的发展有着重要的政策启示和建议。第二，使用不同于现有文献的数据对银行业结构与中小企业融资的倒U型机制进行了实证分析，并且通过加入金融科技变量后拐点的移动来分析大、小银行的不同表现。第三，以中小银行比重来衡量的银行业结构对于中小企业融资的影响是倒U型机制，金融科技的发展使中小银行更加适合为中小企业服务，但目前仍没有使大银行完全克服服务中小企业的先天劣势；从金融科技结构来看，中小银行有利于提高放贷的覆盖广度，但是不可忽视大银行在使用深度和数字化程度方面的后发优势，并且在经济更发达的东部地区对大银行的需求要高于非东部地区。

二、文献述评

中小企业融资难的问题在我国发展现阶段尤为突出。银行资金是中小企业融资的主要来源之一，学术界对于什么样的银行能解决中小企业融资问题展开了诸多研究。其中，大量研究都表明了中小银行在对中小企业提供资金方面更加有优势。林毅夫和孙希芳的研究表明，中小企业缺乏财务报表、资产抵押等可以直接传递的“硬信息”，它们依赖的是不能标准化收集和传递的例如企业家经营能力等的“软信息”。［2］Stein认为银行规模的大小决定了银行善于使用何种信息。［3］Berger和Udell在2002年的研究发现，从银行的角度来看，中小企业的这些“软信息”难以在大银行中通过较多层级有效传递，进而就使得大银行进行放贷决策依据的更多是大企业的“硬信息”。［4］Berger等人在 2005年的研究发现，大银行通常不愿意给信息透明度低、财务记录不健全的企业资金支持，大银行与中小企业的距离比较远，交流也很少。［5］Berger和Udell在2006年的研究发现，与大银行不一样的是，中小银行的层级比较少，地方性中小银行可以在与中小企业的长期合作中获得较多的“软信息”，建立长期的信贷关系。［6］许多文献通过具体数据分析也证实了这一点，中小企业的融资结构中来自大银行的贷款比例显著低于中小银行。Jayaratne和Wolken的研究发现，即使在美国这样金融高度自由化的国家，中小企业也更多地依靠中小银行获得贷款。［7］

新结构经济学强调，一个经济体所处的发展阶段，存在着该经济体所处时点的要素禀赋结构相匹配的最优产业结构，金融结构（包括银行业结构）需要与产业结构决定的企业规模结构相匹配才能促进实体经济的发展。张一林等人指出，发展中国家的产业结构通常是以劳动密集型产业为主，企业的规模一般都比较小，由此决定了我国实体经济对于中小银行有着更大的需求。［8］当违背产业结构、一味地模仿发达国家发展大银行主导的银行业结构从而导致中小银行比例不足时，便会出现中小企业资金供给短缺的问题，从而导致中小企业融资难，融资贵。现有的许多文献也都支持了上述观点。林毅夫和姜烨认为，金融结构、银行业结构与经济结构相匹配则有利于经济增长，在发展大型企业的地区，大型银行居多，而中小企业较多的地区，中小银行比例较大；［9］林毅夫和孙希芳考察了银行业结构与经济增长的关系，发现中小金融机构市场份额的上升对经济增长有显著的正向影响，这个结果也表明了在以劳动密集型产业为主的中国，银行业结构应当以中小银行为主。［10］就银行业结构与中小企业融资的问题来看，目前的文献仍然较少，有部分学者发现这两者之间存在着一种U型机制。例如，张晓枚和潘玲运用中国深交所中小企业板上市企业数据及上市银行年报构建的银行业结构数据，发现中国银行业市场集中度与银企关系之间呈倒U型关系。［11］刘晓光和苟琴结合世界银行关于中小企业的调查数据和中国银监会发布的银行业分布数据，发现银行业结构与中小企业受到信贷配给的概率呈现U型。［12］本文将采用不同的数据、不同计量方法以及不同的切入点对银行业结构与中小企业融资的关系进行实证检验。

关于金融科技赋能银行业的研究近年来也有学者涉及。金融科技可以通过技术手段来帮助银行业进行数字化转型升级。李虹含从大数据、云计算和人工智能的技术层面提出了解决信息不对称以及交易成本过高等问题的应对方式。［13］谢治春等人通过对六家商业银行案例的研究来分析金融科技驱动下的战略转型，认为商业银行应重点发展基础支持体系、数字化流程、数字化风险控制和数字化营销。［14］赖茹通过深入观察金融科技发展对银行业的影响来梳理银行业的发展路径，提出金融科技与银行业务融合的建议，并构建了商业银行的战略选择模型；［15］李卓认为，建设数字生态银行是推动银行业高质量发展，提供高质量金融服务的必然要求，并从中小银行数字化转型的困境入手，提出了建立数据标准化体系、数字化产品创新体系等助推中小银行转型发展的对策。［16］可见，银行业与金融科技的结合是数字化时代的趋势。遗憾的是，这类文献仅仅是从理论层面提出了一些技术上可行的做法，并没有进行具体的实证检验分析，同时并没有将中小企业融资的问题一起考虑在内。

综上所述，将金融科技、银行业结构与中小企业融资这三个问题同时关联起来的研究比较缺乏，因此本文的选题较为新颖，具有一定的现实意义和实践意义。

三、变量和数据

（一）数据来源

本文所采用的银行业结构数据来自于Wind。本文衡量金融科技发展采用的是来源于北京大学数字金融研究中心最新发布的2011-2018年数字普惠金融指数，①指数来源于郭峰、王靖一、王芳、孔涛、张勋、程志云所写论文《测度中国数字普惠金融发展：指数编制与空间特征》，该文章即将刊发于《经济学（季刊）》。该指数采用了蚂蚁金服的交易账户底层数据，从多个维度论证了中国的金融科技发展水平，空间跨度包含省、地市和县级。中小企业的微观数据选取中小板上市公司的数据，来源于国泰安数据库（CSMAR）的公司研究系列，市场代码002开头。考虑到Wind数据库中的银行业总资产数据只更新到了2017年，兼顾数据的可得性和完整性，所以本文的样本区间定为2011-2017年，采用省级年度面板数据。

（二）变量定义

本文将被解释变量定为银行借款比率（loan）。企业融资渠道分为内源融资和外源融资，而外源融资可分为来源于金融市场的股权融资和来源于金融机构（主要是银行）的债务融资。由于本文研究的主要内容是银行业结构，所以被解释变量着重考察企业的银行借款情况。银行借款比率的计算方法借鉴了李广子等人的做法，定义为：银行借款比率 =（短期借款+长期借款）/总资产。［17］91

本文的核心解释变量为各省的银行业结构bs和数字普惠金融发展指数dif。考虑到本文研究的银行业结构主要考察大银行与中小银行的比例，并且中小银行更加适合为中小企业服务，所以用中小银行比例来衡量的银行业结构=中小银行总资产/银行类金融机构总资产。本部分的计算按照Wind上的划分标准，银行类金融机构总资产由大型商业银行总资产、政策性银行及国家开发银行总资产、股份制商业银行总资产、城市商业银行总资产、小型农村金融机构总资产、新型农村金融机构总资产和邮政储蓄总资产共同组成，本文对于中小银行资产的定义是：中小银行资产=银行类金融机构总资产-大型商业银行总资产。数字普惠金融指数来自于北京大学数字金融研究中心，包括了31个省的总指数dif和3个不同维度的细分指数：覆盖广度指数（dif_cov）、使用深度指数（dif_dep）以及数字化程度指数（dif_dig），考虑到其他变量的数值范围，本文将这四个指数变量采用百作为单位。

本文考虑如下六个企业控制变量及四个宏观控制变量：企业规模（size），将期末资产总额取自然对数算出；企业成长性（growth），采用主营业务收入增长率来表示；企业年龄（age），将会计年份减去企业成立年份得出；资金使用效率（efu），通常用资产周转率来衡量，计算公式为总营业额/总资产；短期负债变动（stlc），公式为流动性负债增加额/期初总资产；企业现金流量（cf），采用经营活动现金流量净额/期初总资产来计算。宏观控制变量有人均GDP（rgdp），将各省人均GDP取对数求得；社会融资情况（sf）用各省社会融资规模占GDP的比重来表示；银行业发展程度（bd）用各省银行业总资产占GDP比重来表示；产业结构（fi）采用各省的第一产业占比来衡量。其中，这六个企业控制变量和四个宏观控制变量中有部分在后文实证的SYS-GMM模型中用作GMM式工具变量和IV式工具变量。本文的变量说明详见表1。

（三）数据分析和描述性统计

本文选取2011-2017年年度省级数据。从国泰安数据库的数据中挑选出证券代码为002的中小板企业，会计期间选择每一年的12月31日这一期，采用合并报表数据。由于在变量计算中会涉及期初项目，所以要求企业有完整的2010年至2017年的数据。考虑到河南省和西藏自治区的各类别银行总资产数据缺失值太多，因此删除河南省和西藏自治区的企业样本数据，不放入模型中。按以上要求删除不适合的数据，进行变量的计算，最终留下了2011-2017年的4 389个样本数据带入后文的实证模型。变量的描述性统计如表2所示。

对于银行业的规模结构，从表3可以看出，大型商业银行的总资产比重从2005年的53.52%到36.29%，明显呈下降趋势，而各类政策及国家开发银行、股份制商业银行、城市商业银行、农村金融机构以及邮政储蓄的比重在不断地上升，这源于我国改革开放对于金融领域的推动，我国银行业体系经历了以放松管制为主的渐进式改革。我国中小银行比重正在加大，银行业体系从集中到分散，走向多元化。

表1 模型变量说明

表2 变量描述性统计

表3 银行业规模结构变迁（2005-2017）

续表3

四、实证分析

本文设计了如下计量模型来考察银行业结构对中小企业融资的影响，以及在金融科技发展的背景下，这一影响将如何变动：

上述模型是一个U型结构，计算相应拐点值的公式如下：

其中，企业的银行借款比率loan作为被解释变量，衡量企业的融资结构。解释变量bs及其二次项代表各省银行业结构，该结构用中小银行在整个银行业中的占比来表示。DIF是数字普惠金融指数，其中包含了总指数dif、覆盖广度指数dif_cov、使用深度指数dif_dep、数字化程度指数dif_dig，考虑到共线性问题，每个模型中只放入其中一个指数。M代表其他能够影响企业银行借款比率的企业控制变量和宏观控制变量矩阵。ε为随机扰动项。后文的回归分析基于该方程运用Stata 15软件进行分析，具体模型使用的变量具体分析。

（一）基准回归结果

本部分采用动态面板数据的系统广义矩估计（SYS-GMM）方法来实证。系统GMM在差分GMM的基础上结合了水平GMM方法，同时采用差分方程和水平方程进行估计，使用了更加严格的矩条件，有效解决模型中的内生性问题，从而得到更稳健的估计结果。

表4呈现了企业借款比率与银行业结构的系统GMM估计结果，表格底部展示了AR序列相关性检验和Sargan过度识别检验的结果。表5呈现了最优银行业结构估计结果。具体来说，5个模型都通过了AR（1）和AR（2）检验，说明残差项不存在二阶序列自相关问题；对于 Sargan检验，模型1、2、4、5均通过了检验，不存在过度识别问题，其中，模型3仅能够在1%的显著性水平上接受“所有工具变量都有效”的原假设。各项检验结果都表明了模型估计结果是有效可靠的。

从模型（1）可以看出，以中小银行的比重衡量的银行业结构与企业的银行借款比率并不是简单的线性关系，而是一个开口向下的倒U型结构，如图1所示。利用公式2计算出拐点为0.7717，这一数值表示，就中小企业融资这一问题，最适宜的中小银行比例为0.7717，这也验证了我们前文所说的我国以劳动密集型产业为主就应当匹配以中小银行为主导的银行业结构。当银行业结构小于0.7717时，中小银行比例的增加能够使得更多的中小企业得到融资，从而改善融资困境。而当银行业结构大于0.7717时，中小银行比例再增加就反而会不利于中小企业融资。这一点也不难理解，当一个国家的银行被中小银行所占据，大银行的比例非常低，大企业的融资需求便会难以得到满足，不利于提升金融的发展深度。当经济处于较低的金融发展水平中，在这个经济体中的每个部分都会面临较为严峻的下行压力。如李广子等人研究发现，中小银行发展可以改善中小企业融资的路径主要是通过提高金融发展水平。［17］78倘若中小银行比例过高，超过了某一个限度，便会影响整个金融发展水平的提升，从而无法改善中小企业融资。因此，我国银行业结构应以中小银行为主导，但并不代表着中小银行越多越好，应当有个最优银行业结构。

表4 SYS-GMM回归结果

表5 最优银行业结构估计

模型（2）的结果显示，将数字普惠金融总指数考虑在模型内时，拐点会向右移动，即最优的银行业结构会更倾向于中小银行比例增加，如图1所示。模型（2）的这一变化趋势表明，金融科技对于中小企业来说是“锦上添花”，但是还没能帮助大银行克服难以服务中小企业的先天劣势。中小银行服务中小企业的能力更强了，自然就会在最优银行业的结构中表现出中小银行比例提高的趋势。而对于大银行来说，金融科技暂时还不能显著地提升大银行的信息甄别能力，大银行仍然缺乏动力去帮助中小企业融资，所以，对于劳动密集型产业为主的中国，最优银行业结构变得更倾向于中小银行了。那么为什么金融科技对中小银行的改变要明显于大银行呢？可能的原因是，大银行的内部层级要比小银行复杂很多，难以识别中小企业的企业家风险，即使是推行改革与结构转型也要花费比小银行更长的时间。并且，相比于中小银行，大银行变革传统金融服务模式的成本会比中小银行更高。

图1 加入金融科技后拐点的移动

进一步分析，从模型（3）-（5）的结果来看，分别加入覆盖广度指数、使用深度指数与数字化程度指数，拐点值相对于模型1向右移动的距离是不一样的，加入覆盖广度指数以后，拐点值向右移动的幅度较大，而加入使用深度和数字化程度指数以后，拐点值向右移动的幅度比较小。这一结果给了我们很大的启发。在覆盖广度层面，中小银行营业网点机构数不如大银行的营业网点数目来得多，金融科技的发展使贷款业务可以转移到线上，这极大地弥补了中小银行的不足，使得中小银行更加适合为中小企业放贷，而有着很多网点的大银行并不存在这样的覆盖问题。在使用深度和数字化程度层面，这一结果首先肯定了中小银行仍然相比于大银行更加适合服务中小企业，但也可以反映出，大银行在运用金融科技进行数字化转型方面的实力优势。大银行虽然在服务中小企业的问题上有着先天的劣势，但不可否认的是，大银行具有雄厚的资金实力与技术研发能力，目前已成立金融科技子公司的银行大部分为国有银行、大型商业银行，而绝大部分银行尤其是中小银行仍需通过与互联网巨头或科技巨头合作来布局金融科技。大银行本身的银行实力、在科技方面的战略制定、科技人才的储备、金融业务与技术结合的深入程度都是中小银行无法竞争的优势，目前在我国已有许多大银行开展了中小微企业融资服务，例如工行在一级分行层面均已设立普惠金融事业部，在全国成立了约230家小微中心，投放小微贷款9万多亿元。相信在不久的将来，大银行可以抓住中小企业长尾客户，逆转先天劣势，为中小企业提供更多的资金支持。

对于模型（1）-（5）的其他变量，5个模型有着比较一致的结果以模型2为例，数字普惠金融总指数（dif）为正，表明金融科技的发展能帮助中小企业更容易从银行获得贷款；企业规模（size）系数为正，说明当企业不断扩大规模，越容易获得银行的信任从而获得资金支持，但是该变量在本模型中不显著；企业成长性（growth）系数显著为正，表明当企业成长性越强，发展潜力越大越容易获得贷款；企业年龄（age）系数显著为负，表明当企业成立的年份越长，就会有更多融资渠道可以筹集到资金，金融科技的发展可以拓宽企业融资的途径，例如P2P、众筹等方式。因此，中小企业在银行借款这方面的融资需求会稍微减弱；现金流量（cf）系数显著为负，即企业财务状况越差，现金流量越少，所需的资金就会越多；社会融资情况（sf）和产业结构（fi）表现不显著。值得注意的是，社会融资情况（sf）在模型（4）中系数显著为负，表明当社会融资环境整体乐观的时候，企业融资的渠道也不再仅限于银行，可以从其他途径获得外源性融资；产业结构（fi）在模型1和模型3中显著为正，表明当第一产业比重越大，该省的经济发展水平就越落后，中小企业的融资渠道就越容易被限制在银行体系内。

（二）分地区分析

用与上文一样的方法，本部分对不同地区的银行业结构进行分析。考虑到四个经济区域的样本数量差距过于悬殊会导致回归结果有较大的偏差（其中东部地区样本数3 430，东北部地区样本数119，西部地区样本数420，中部地区样本数420），因此本文仅区分东部地区与非东部地区，并以此划分样本进行分析。

表6展示了用系统GMM估计进行分地区回归的结果，整个结果和基准回归的结果基本一致，并且通过了AR（1）、AR（2）和Sargan检验，具体细节不再赘述。将模型（6）-（9）的拐点值记录在表7，可以发现，无论是东部地区还是非东部地区都应坚持中小银行为主导的银行业结构，而在东部地区需要相比于非东部地区更大比例的大银行的存在。可能的原因有两点：一方面，从产业规模与银行业结构相匹配的角度来看，东部地区的产业规模要大于非东部地区，因此对大银行的需求更大；另一方面，东部地区的大银行相比于非东部地区有着更良好的数字化转型的外部条件。我国东部地区经济繁荣，金融科技发展势头强劲，上海市、浙江省、北京市、广东省等领先发展金融科技的巨头都属于这一区域。在这一区域中，大银行凭借着自身实力去进行数字化转型升级，虽然近几年仍然无法缓解中小企业融资问题，但是随着经济不断发展，大银行的后发优势会逐步呈现。

表6 分地区SYS-GMM回归结果

表7 不同地区最优银行业结构

（三）稳健性检验

本文采用两种方法进行稳健性检验：

1.稳健性检验一：静态面板混合 OLS检验

本文的基准回归采用动态面板数据，在模型中放入被解释变量的一阶滞后项。为了检验结果的可靠性，本部分我们利用混合OLS模型对静态面板数据进行回归分析。检验结果如表8所示。检验结果和之前的结果一致，银行业结构影响中小企业融资的机制是倒U型结构，加入金融科技因素后，U型拐点都向右边移动，因此可认为前文所述的结论有一定的可靠性。

2.稳健性检验二：新数据检验

在这一步中，选用北京大学数字金融研究中心编制的互联网金融发展指数（iffin）来替换数字普惠金融指数。互联网金融被认为是金融科技发展的2.0阶段，所以用互联网金融发展指数来衡量金融科技的发展非常合适。该指数依据蚂蚁金服和其他一些具有代表性的互联网金融企业的大量数据，形成了全国总指数以及分地区、分业务、分属性指数等成果，目前只公布了2014年1月至2016年3月的指数数据。故本文采用月度数据取平均值的方式计算出各省的2014和2015年两年的指数数据放入模型。由于数据只有2年，面板太短并不适合用系统GMM估计方法，所以本部分仍和稳健性检验一一样用混合OLS模型。检验结果如表9所示，和之前的基本一致，可以认为通过稳健性检验，假设一和二成立。

表8 稳健性检验一：静态面板混合OLS回归结果

表9 稳健性检验二：新数据检验结果

五、结论与建议

本文旨在于考察银行业结构如何影响中小企业融资，并且在加入了金融科技的支持以后，这一影响如何变化。通过研究得到如下结论：（1）我国的银行业结构应以中小银行为主导，以中小银行比重来衡量的银行业结构对于中小企业融资的影响是倒U型机制。（2）金融科技的发展使中小银行更加适合为中小企业服务，但目前仍没有使大银行完全克服服务中小企业的先天劣势。（3）从金融科技结构来看，中小银行有利于提高放贷的覆盖广度，但是不可忽视大银行在使用深度和数字化程度方面的后发优势。（4）在经济更发达的东部地区对大银行的需求要高于非东部地区。鉴于以上内容，本文提出如下几点政策建议：

（一）将银行业结构调整到与现行产业结构相匹配

违背产业结构，一味地模仿发达国家，发展大银行主导的银行业体系，只会恶化企业融资，阻碍经济的发展。中国今后的一段时间内仍然将以劳动密集型产业为主，中小企业对中小银行的依赖程度仍然很高，因此，现阶段应继续推进银行业体系的多元化发展，逐步向中小银行主导的最优银行业结构方向靠近，使银行业服务实体经济的作用更好地发挥出来。

（二）运用金融科技大力推动银行业的数字化转型

银行业的数字化转型是利用数字化技术来驱动银行传统业务模式创新的一种途径与方法，金融科技助力银行业的数字化转型是时代的必然要求。银行业的转型能提升企业贷款效率与贷款质量，减少贷款成本。对于不同规模的银行有不同的转型侧重点，对于中小银行侧重于提升其服务覆盖面的互联网线上转型，对于大银行则侧重于提升使用深度和数字化程度的技术研发与创新。总体来说，可提出如下几点技术转型方案：

1.运用大数据画像，解决信息不对称问题

金融科技产业可以运用大数据技术和新的信用评级模型对中小企业的信用进行更加精准的估计。一些真实的生活场景、一些非征信体系所获取的信息都是把握融资者真实信用风险的渠道，通过记录以及整合企业上下游交易数据、信用状况、资金流等多维度、全方位信息，运用数字化技术，建立全新的征信、授信与信用风险定价系统。对于一些分散在各部门的权威信息的获取可能需要政府的支持，推动建立大数据生态体系，那么就可以更好地克服信息不对称难题。在这一基础上，银行降低了风险，也不再需要将风险补偿强加在贷款利率上，从而降低中小企业的融资成本。

2.构建在线审批放款平台，解决融资慢问题

传统银行线下审批面临着高成本并且速度慢的问题，金融科技可以实现贷款线上化，运用大数据技术实现多方数据采集与挖掘，运用云计算进行精准迭代，运用人工智能准确地分析中小企业的信用程度从而决定个性化风险定价。线上贷款避免了人工服务的高成本，也免去了繁琐的过程，完成信用评估的速度也快了很多。

3.智能风险管控，解决信用欺诈问题

区块链的特性之一是信息不可篡改，一旦建立信任机制就可以永久存储，降低信任成本，所以，银行或许可以利用区块链这一特性，结合各行业的征信对个人信用的全面分析，建立专门针对中小企业的信用黑名单系统，防止欺诈风险；另一方面，利用关系图谱技术能较准确地勾画出看似毫不相关的两个企业的关联关系，从而提升对风险的预防和控制能力。

（三）制定尊重地区差异的银行业结构优化方案

首先需要肯定的是，应当发展以中小银行主导的银行业体系。具体到地区层面，东部地区具有更大规模的产业，拥有更先进的科技水平，东部地区对大银行的需求自然会高于非东部地区，要认识到最优银行业结构的地区差异。在东部地区，可以侧重于鼓励银行的技术升级与改造，进行银行业的数字化转型；在非东部地区，更多地或许是从银行业结构本身出发，完善银行业体系，推动银行业结构从集中走向多元化。

（四）金融科技的发展需要有效市场和因势利导的有为政府相结合

我们需要营造一个有效的充分竞争的市场环境，让市场在资源配置当中起决定性作用，使资源得到最高效的配置，也让企业家有良好的激励机制；同时政府也要因势利导，完善硬的基础设施和软的制度安排，例如加快5G技术的布局，加大金融科技的投入，鼓励科技创新，同时要适度监管，数据安全风险、隐私保护风险、交易安全风险等的技术风险和权益保护风险都可能存在，可以借鉴国外经验采用“监管沙盒”等方法进行合规监管，遵循“先发展，再规范”的原则，同时健全有关法律法规来加以约束。