数字金融发展对高技术产业成长的时空效应

何文彬，巩彦彪

（新疆财经大学金融学院，新疆乌鲁木齐 830012）

一、引言与文献综述

党的十九大报告指出“我国经济已由高速增长阶段转向高质量发展阶段。”为了适应这一变化，我国原有的金融支撑实体经济发展体系也亟待改革。数字金融作为普惠金融创新的新兴产物，可以解决传统金融体系中的金融歧视与金融排斥问题、破解资金需求与供给不匹配困境，有效降低企业的融资成本，为实体经济的发展注入了全新动力。短短十数年，通过减小城乡收入差距、推进创新创业与提振实体产业等路径，数字金融为我国经济高质量发展增长注入了巨大的动力，其自身也实现了高速发展，充分发挥了后发优势，实现了对发达国家的“弯道超车”（贝多广，2018）。2016年9月，中国在G20 杭州峰会提出《二十国集团数字普惠金融高级原则》并获得通过，这是国际社会首次在该领域推出高级别的纲领性文件，是全球普惠金融发展的重要里程碑。

数字金融是指通过互联网的技术，借助计算机的信息处理、数据通信、大数据分析、云计算等一系列相关技术与传统金融业生态结合的新一代服务业（Gabor，2017），其具有共享、便捷、安全、低成本、低门槛的优势，可以让长期被现代金融服务业排斥的群体享受正规金融服务(Ozili，2018)。与互联网金融的“业务特性”与科技金融的“技术特性”相比，数字金融的描述明显具有更加广泛的普惠意义，也更加体现出其内在的包容性（黄益平和黄卓，2018）。

北京大学数字金融研究中心、蚂蚁金服集团联合编制的中国数字普惠金融发展指数，基于蚂蚁金服账户交易记录大数据，从不同维度描绘了中国数字金融的发展情况，具有较高的可信度，为研究中国数字金融发展与其经济效应提供了蓝本（郭峰等，2020）。学者们在此基础上研究数字金融发展对我国实体经济所产生的影响效应，得到了许多有益结论。有的学者针对数字金融促进城乡包容性成长展开了研究，如宋晓玲（2017）、张贺和白钦先（2018）都认为数字普惠金融对缩小城乡收入差距有显著的收敛效应；谢绚丽等（2018）研究发现，数字金融发展对创业有着显著的促进作用，且对于微型企业和低城镇化率地区有着更强的作用效应。在数字金融促进实体经济高质量发展方面，郝云平和雷汉云（2018）通过空间自回归模型发现，数字普惠金融存在比较强的空间相关性以及集聚效应；黄卓（2018）研究发现数字金融已经成为我国经济高质量发展的重要驱动；张勋等（2019）研究发现数字金融的发展显著地提升了家庭收入，且有助于促进农村低收入家庭和不具有私人转移支付收入家庭的创业行为，促进了中国的包容性增长；姚博（2017）通过研究列举了数字供应链金融推动制造业转型的四种模式。部分学者也研究了数字金融对我国金融市场传统融资结构的影响，如邱晗等（2018）针对数字金融对传统金融尤其是商业银行的冲击进行研究，发现银行规模越大，受到数字金融的冲击越小；陆岷峰等（2019）研究发现数字小微金融可以有效降低信息不对称产生的成本，重塑业务模式，减轻融资负担，补齐小微企业发展短板。

可以看出，数字金融的发展对我国经济增长与实体产业成长都有具有多方面的正向效应。考察数字金融发展对高技术产业成长的影响，有助于进一步理解金融供给侧改革对我国高端制造业的实际效应，也将验证数字金融发展在实体经济中所发挥的“普惠”作用的显著性。但现有文献鲜有对数字金融与高技术产业产出能力的关系进行研究者，且一定程度上忽视了数字金融发展与高技术产业之间的时间累积效应和空间集聚效应。因此，本文通过建立空间计量模型，加入时空交互项，来研究数字金融发展这股全新动力对高技术产业的发展所产生的影响，具有较为重要的理论意义和现实价值。

二、机制分析及假设

高技术产业是R&D 投入强度相对较高的产业之一，进行科研活动项目的资本充足与否在一定程度上决定了其发展前景，地理位置、交通、能源、人才储备等要素也都是影响其发展的关键契合点（梁晓艳等，2007）。此外，相邻区域间的知识溢出、技术溢出、创新溢出等外部性因素也是影响高技术产业综合发展的关键性指标。数字金融的发展同样需要完备的基础设施和完善的资本环境，这就导致那些拥有优质金融资源、区位条件更好的地区更能够吸引资本与高技术产业的涌入和创立。因此提出假设一。

假设一：高技术产业成长与数字金融发展有着明显的空间集聚。

我国高技术产业已经取得了长足的进步，但融资问题仍是其一大“痛点”，尤其是小微企业，经常面临有技术、缺资金的困境。高技术产业高投入、高回报、高风险、高附加值的特性决定了其对资金的超预期需求，也决定了其在融资过程中由于质押物缺失与信誉不足而造成借贷受阻的问题（史丹和李晓斌，2004）。高技术产业的高速发展离不开技术与资金的双向支撑，资金不足会严重阻碍其技术创新和产品研发，部分高技术企业由于资金缺口而丧失发展机会，而传统金融机构不能有效解决此类资金融通问题（Xiao 和Ritchie，2009），数字金融的出现一定程度上改善了这个问题。数字金融可以通过覆盖广度、使用深度、数字支持服务三个方向提升我国实体经济的资本配置效率（刘瑞凝等，2019）。成学真和龚沁宜（2020）、汪亚楠等（2020）通过省域面板数据研究发现，数字金融显著促进了我国实体经济的发展，且区域效应明显。由此可见，高技术产业作为实体经济的重要组成部分，同样也可以享受数字金融的“普惠性”发展来促进自身成长。因此提出假设二。

假设二：中国数字金融发展从对高技术产业的成长具有显著的支撑效应。

在实体经济框架中，传统金融体系服务的马太效应非常明显，头部大企业资产雄厚、信用良好，容易融通资金，而尾部的中小企业进行资金借贷时困难重重。一方面，传统金融机构确实存在对中小企业尤其是中小民营企业的“金融歧视”（方军雄，2010）；另一方面，中小企业确实也存在资信状况差、经营记录模糊、信用记录空白的问题（陈紫晴和杨柳勇，2015）。这一系列问题导致传统金融机构向中小企业提供信贷资金的效率普遍较低（Berger 等，2009）。数字金融能够有效地缓解信息不对称、降低交易成本，推动金融去中介化，从而缓解“融资难”问题（谢平和邹传伟，2012；王馨，2015）。在大数据、区块链、云计算等技术高速发展的引领下，数字金融可以从触达性、可获得性、高效性和风险控制等维度缓解中小企业尤其是民营中小企业的融资约束（梁榜和张建华，2018），但对原本就拥有充足现金流的大型国有高技术企业的促进作用可能较为有限。因此提出假设三。

假设三：数字金融发展对高技术产业内部的不同微观主体所产生的作用效应存在异质性。

综上，本文将结合相关文献，着重研究数字金融发展与高技术产业成长之间的关系、时空效应与异质性。

三、实证方法与数据选取

（一）空间自相关检验指标与空间权重矩阵的选择

要建立空间计量模型，首先要测算核心解释变量与被解释变量的空间自相关系数。本文使用莫兰指数和吉里尔指数表示该系数，分别定义如下：

其中，Xi为被测算空间自相关性变量，S2为其样本方差，n 为研究的个体数量，Wij为空间权重矩阵的（i,j）元素，为所有空间权重矩阵之和。Moran's I取值一般位于[-1,1]区间，大于0 表明存在空间正相关，小于0 表明存在空间负相关，接近0 表明不相关。Geary's C取值一般位于[0,2]区间，小于1 表示空间正相关，大于1 表示空间负相关，等于0 表示不相关。

为了检验数字金融发展与高技术产业成长的空间相关性，应建立空间权重矩阵衡量其空间相关性的强弱。本文根据所选择的30 个省市的空间相邻性作为构造空间权重矩阵的指标，具体计算方法如下：

得到邻接矩阵：

为保证回归结果的无偏性，对邻接矩阵（4）进行行标准化处理，即对每一元素除以其所在行元素之和。具体计算公式如下：

最终行标准化后的空间权重矩阵为：

（二）基准模型：数字金融发展与高技术产业成长

为了使检验结果更加有效且稳健，本文设定了如下基本检验模型：

1.模型一：静态面板数据模型

其中，i 代表省份，t 代表时间；lnrhi为各省高技术产业主营业务收入的对数值，代表高技术产业的发展与成长；ifi为数字普惠金融发展指数，代表各省的数字金融发展水平；lncap、lnlabor、lnfdi、lngov、lninn、lnrad、lnstructure、lnentrep为一系列控制变量；λ为各变量对被解释变量的影响系数；ui为 个体效应；εit为随机误差扰动项。

2.模型二：动态面板数据模型

该模型引入了被解释变量的滞后一期，以度量由技术不断积累且规模不断扩大所引起的高技术产业成长，α为高技术产业禀赋不断提升而带来的循环积累效应。表示其他控制变量。

3.模型三：静态空间面板数据模型

该模型在模型二的基础上引入了空间权重矩阵。ρ为相邻地区高技术产业发展的溢出效应；和表示核心解释变量数字金融发展及其他控制变量的空间滞后项。

4.模型四：动态空间面板数据模型

动态空间面板可以研究变量的分解效应，从短期和长期两个方面考察变量的直接与间接效应。参考Elhorst(2010)的方法，将模型四改写为矩阵形式：

其中，X为30×9 的数据矩阵，ρ为空间滞后系数，φ为时间滞后系数，ω为时空交互系数，再将式（11）变形得：

为了分解出长短期效应，需对（12）式中解释变量在某一时点上的期望求偏微分最终得：

公式（13）、（14）分别表示某一变量对高技术产业的短期效应和长期效应，将主对角线上的元素分解可以得到该变量对本地区高技术产业的影响即直接效应，将非主对角线上的元素分解可以计算出各变量对其他省市高技术产业的溢出作用即间接效应。

（三）变量选取

本文数字金融发展指标来自北京大学中国数字金融研究中心编撰的历年数字普惠金融指数，高技术产业相关数据来自《中国高技术产业统计年鉴》《中国科技年鉴》《中国火炬统计年鉴》，其他数据均取自《中国统计年鉴》及相应省份统计年鉴。本文选取2011－2019年作为时间跨度，由于西藏自治区缺失数据较多且部分数据取值较为极端，故选择内地除西藏外的30 个省级地区，并对残缺值采用插值法补齐。变量定义与度量方式见表1。

表1 各变量选取与定义

表2为变量描述性统计，可以看出，多项指标均有较大差异，外资合作水平、政府干预程度和研发投入强度的极值差异尤为明显。对外开放程度高的地区，其高技术产业不仅可以通过参与国际交流提升活力，也可以利用境外资金扩大优势；政府财政支出能够为高技术企业提供行业补贴、税费减免等政策支撑，有利于减轻高技术产业的营收压力；研发投入能够为高技术产业技术研究与产品创新提供动力。这些基础条件的差异也决定了省际之间高技术产业发展水平存在较大差距。

表2 变量描述性统计

四、实证结果分析

（一）数字金融发展与高技术产业数据概览

1.高技术产业发展

表3为2011－2019年我国各省份高技术产业主营业务收入数据。从不同地区各年度平均值变化情况可以看出，我国高技术产业总体保持高速发展，中部地区和西部地区的发展速度快于东部地区；中西部地区受限于人才储备与资金技术，与东部地区的高技术产业差距仍然非常明显，这导致我国高技术产业发展极不平衡，东部、中部、西部呈阶梯下降态势。

表3 我国2011－2019年高技术产业主营业务收入（亿元）

2.数字金融发展总指数

表4为我国2011－2019年数字金融发展指数数据。可以看出，我国数字金融呈现出高速发展的态势。东部地区数字金融发展一直处于领先地位，中西部地区数字金融发展程度大致相当，且与东部地区差距逐渐缩小。从整体上看，我国数字金融仍存在发展不平衡的空间差异。

表4 我国2011－2019年数字金融发展指数

（二）空间自相关检验

对核心解释变量数字金融发展水平以及高技术产业水平分年度进行全局空间自相关检验，结果如表5所示。可以发现，2011－2019年期间，数字金融与高技术产业的Moran's I均大于0，Geary's C也一直散布在（0，1）区间，并且均在1%水平上显著，这表明数字金融发展与高技术产业成长存在明显的空间自相关性。换言之，数字金融发展水平、高技术产业发展程度相近的地区往往在空间分布上也呈现出集聚特征。通过研究该时间序列的Moran's I与Geary's C的变化幅度，可以发现：我国数字金融发展的空间集聚特征存在一定的波动，总体上呈现出下降的趋势；而高技术产业的空间相关性指标较为稳定。这一现象可能的解释是：数字金融由于自身的可触达性和低廉的使用成本，可以在全国范围内迅速推广，对于各地区的初始禀赋的依赖程度较低；但高技术企业对于优质金融资源和创新人力资本有着较高标准的需求，欠发达地区无法在短时间内解决基础设施不完善、资本供给短缺问题，因此高技术产业空间集聚分布的变化较为稳定，假设一得到验证。

表5 数字金融发展与高技术产业成长：空间自相关检验

Moran's I与Geary's C仅表示变量的全局空间相关性，为了研究不同个体的空间依赖分布，需要使用莫兰散点图进行分析。分析结果①因篇幅所限，各年度散点图从略，作者备索。显示，在莫兰散点图的第一、三象限内的个体存在正向的空间自相关性，也就是高-高、低-低型分布，即相同发展水平的个体有着集聚特征，而在第二、四象限的个体分别存在低-高与高-低型分布特征，即空间负相关，其中位于第一象限即高-高型地区大多为东部发达地区，主要包括北京、天津、上海、江苏、浙江等；顺着时间趋势动态观察，在空间负相关象限的地区逐渐向代表空间正相关的第一、三象限偏移，这也表明我国数字金融发展的空间集聚效应随着时间推移愈加明显。尽管存在个体波动，但我国数字金融发展水平更高的地区还是稳定地集中于京津冀、长三角和珠三角地区。

（三）基准模型回归与分解效应

根据以上空间自相关分析，说明可以建立空间计量模型进行回归分析。为保证回归结果的稳健性和一致性，本文一并建立了静态非空间面板、动态非空间面板、静态空间面板和动态空间面板，对照检验数字金融发展对高技术产业成长的影响效应。首先需要进行huasman 检验对固定效应模型和随机效应模型进行选择，最终得出的统计量为19.03（P=0.0249），显著拒绝了使用随机效应模型的原假设，因此本文使用固定效应模型。同时，选择空间杜宾模型还需进行非退化检验，判断空间杜宾模型（SDM）是否可以简化为空间自相关（SAR）或空间误差模型（SEM）即空间杜宾是否为最优空间模型，本文通过Likelihood 检验得出SDM 与SAR 的似然比检验统计值为28.95（P=0.0007）；SDM 与SEM 的似然比检验统计值为24.91（P=0.0031）；通过比较可以判断本文所建立的空间杜宾模型具有非退化性。

在不考虑空间滞后性的前提下，运用固定效应模型研究数字金融发展与高技术产业成长之间的关系，之后分别加入时间滞后项、空间滞后项以及时空交互项构造动态面板模型、空间面板模型以及动态空间面板模型，回归结果如表6所示。

表6 数字金融发展与高技术产业成长：基准检验

通过对拟合优度R2、sigma2、信息质量准则AIC的比较可以发现动态空间面板模型为最优模型，故主要分析该模型，其他模型作为参照组。使用动态空间面板可以将自变量的作用效应进行分解，具体分解效应如表7所示。

表7 数字金融发展与高技术产业成长：分解效应

研究发现，无论是否加入时间与空间滞后项控制内生性，数字金融发展均显著促进了高技术产业的成长，在控制了积累效应后数字金融对高技术产业的促进作为愈加明显，假设二得到验证。将效应分解后发现，数字金融对高技术产业的直接效应均十分明显，这表明本省的数字金融发展对高技术产业的正向促进效用十分明显；但无论是长期还是短期，数字金融对其他地区的溢出效应均不显著，即本地区数字金融发展对临近地区的高技术产业的发展的支撑作用并不明显，同样地，数字金融的空间滞后项也并不显著。这表明由于我国数字金融发展还处在初始阶段，仍存在很大的发展空间，各地区利用数字金融以及本省人力、资本、技术禀赋可以充分发展当地的高技术产业，但这种作用效应随着空间距离逐渐消饵，无法对其他地区产生正向的溢出效应。

通过加入时间滞后项进行检验，可以发现上一期的高技术产业发展对于当期发展的累积循环效应十分显著，不论是技术还是资本的积累，都对高技术产业的发展产生了明显支撑作用。在加入空间滞后项后，可以发现高技术产业有着十分显著的正向空间溢出效应，这表明一地区高技术产业的不断成长可以显著的提高周边地区的高技术产业的发展水平。空间地理位置相邻的有利于这些地域之间知识与技术的流动，一方面，人力资源可以在相邻地区之间的流动可以充分调动新技术与新知识的传播，而相邻地区的大学和研究所与高技术企业的交流也对“干中学”也提供了相应的通道；另一方面，相邻地区往往具有相似的发展条件与创新资源，对于高技术企业来说，相邻地区的高技术企业往往为最直接的竞争对手，为了在市场上获得更加有利的地位，会不断提升创新要素的投入；如此循环往复，相邻地区的高技术产业便产生了正向溢出效应。

在加入时空交互项后，可以发现上一期的高技术产业发展对于临近地区也存在显著的空间溢出效应。对于其他控制变量，不同模型构造对结果在显著水平上并无较大差异，但在各变量回归系数即对高技术产业的作用效应上有所差别。首先，技术水平、研究与人力投入对高技术产业的发展均具有促进效应，人力资源的投入带来了知识与技术的双向融合，这也与经济理论相一致，这三者的提升均有利于高技术企业的发展。知识密集型产业的聚集提供了更加有利的创新环境，值得注意的是，政府干预对高技术产业的发展呈显著负作用，在加入时间滞后性与空间滞后项回归后仍未发生改变。根据Huang 和Sattar（2021）的研究，对于那些股息支付较高、投资效率较低、现金流约束较小的高技术公司，补贴的边际效应正在减弱并转向负效应。这说明政府投入对于高技术产业的促进作用已逐步削弱，且政府的介入降低了高技术产业的资源配置效率，影响了高技术企业创新研发的活力。这也与巴曙松等（2005）得出的地方政府的干预严重影响了金融机构与企业之间的经济效率的结论相一致。其次，外资利用水平对高技术产业发展支撑效应不显著，根据王红领等（2006）的观点划分，本文在一定程度上支持了外商投资对中国技术创新产生了促进作用这一结论。一方面，当外资进入市场同东道国家高技术企业进行竞争时，东道国高技术企业为了不处于劣势，必然会提高自主创新水平提高竞争能力。另一方面，FDI 同样促进了技术转移，产生了溢出效应，促进了高技术产业的发展。通过回归发现地区创业与高技术产业发展呈负相关，可能的解释是不同创业的类型对高技术产业的影响路径存在差异，对于应用性差、回报低的产品项目投入会影响企业的成长，这种情况也反映了高技术产业高投资、高回报但也高风险的特点。

（四）异质性检验

数字金融对于不同类型企业的影响程度应当有所差别。本文从高技术产业的不同的微观主体切入，研究数字金融发展对不同所有权性质、不同地区的高技术产业的影响效应，对数字金融发展作用于高技术产业的路径进行异质性检验。分别进行固定效应模型回归，结果如表8所示。

1.按所有权性质检验

将高技术企业按所有权性质分为国有企业和非国有企业两组。由表8第（1）、（2）列可以看出，数字金融发展对非国有高技术企业的正向效应十分显著，但对国有高技术企业的促进作用并不显著，假设三得到验证。这说明各地政府在政策上都对作为创新高地的高技术产业有相应程度的支持，但在落实过程中可能更倾向于国有企业。白重恩等（2004）研究发现，地方政府倾向于对国有股份比例更高的企业提供经济保护，也就是说国有高技术企业的发展可能在一定程度上更加依赖、得益于政策利好与财政支撑，因此数字金融发展对其作用效应不显著。这也说明数字金融的发展确实改善了民营企业的生存环境，提升了其资源配置的效率。值得注意的是，国有高技术企业投资所拉动的产业成长明显高于民营高技术企业，其可能的解释是，国有高技术企业往往规模较大、资金力量雄厚、人力资源丰富，对于高技术产业的宏观判断往往更加准确，同时受到政策扶持的力度更大，风险控制能力因此也强于民营高技术企业。

2.空间位置的异质性

数字金融可以通过降低金融服务门槛、优化资源配置等途径促进全社会经济发展，对于高技术产业，这种促进作用的地域差异更加明显。本文按照中国地理行政区域将省份划分为东部（包括东北地区）与中西部地区，进行回归分析。由表8第（3）、（4）列可知：数字金融对发达地区的高技术产业影响更大，对中西部地区高技术产业的支撑作用并不显著。这表明我国数字金融发展对于资本条件匮乏的欠发达地区的产业条件的改善程度仍然有限，其普惠性质还存在较大的上升余地。Wang 等（2020）的研究表明，我国东部地区金融部门的效率得分和排名均显著高于非东部地区，并且数字金融对东部地区金融部门效率的累进效应优于非东部地区。与基准检验相同，东部地区高技术产业的外资利用水平明显高于中西部地区，其原因可能在于外商对于中西部地区的投资渠道还不完善，并且由于这些地区的高技术产业发展水平相对较低，国际竞争力不足，难以吸引外商投资。同时，可以观察到东部地区人力研究投入对高技术的正向促进作用比中西部地区更高且更加显著，其可能的解释是，中西部地区的高技术产业的配套设施相较东部地区还存在缺口，进行相同研究开发时所需要的投入成本往往更高，这也在无形中提升了风险，值得关注。

表8 数字金融发展与高技术产业成长：异质性检验

五、结论与建议

党的十九届五中全会强调，坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑，构建科技、产业、金融协同互促的政策体系，这说明要发挥多层次资本市场对科技型企业的直接融资作用。为了研究数字金融这一新兴金融领域的发展对我国高技术产业的支撑作用能力，本文使用我国30 个省份2011－2019年的省级面板数据进行实证分析，分别构建静态非空间面板、动态非空间面板、静态空间面板和动态空间面板模型进行对照分析以保证结果的有效性和完备性。并针对数字金融发展不同区域维度与高技术产业不同主体进行了差异化研究，重点研究了数字金融发展与高技术产业成长之间的效应关系。本研究提出如下结论：

第一，数字金融与高技术产业的发展水平在整体上仍存在不平衡的问题。从数字金融整体发展来看，东中西部地区发展程度差异明显，但随着中西部地区的数字金融发展潜力被逐步发掘，这个差距正在逐渐缩小。从高技术产业成长角度来看，我国高技术产业已经取得了长足的进步与发展，但不同区域间的产业发展极不平衡：受限于人才储备不足和资金技术缺失，我国西部地区的高技术产业与东部地区差距巨大，且这种差距仍保持着继续扩大的趋势。

第二，通过异质性检验结果表明：从微观主体看，数字金融发展对民营高技术企业的促进作用更加显著；从区域上看，数字金融发展对于东部地区的高技术产业的促进作用更有效。

第三，数字金融与高技术产业发展有着十分显著的空间集聚特性，且数字金融发展对高技术产业成长产生了显著的促进作用。数字金融发展均为高技术产业的成长带来了正向效应，并且高技术产业的循环积累效应明显；同时，高技术产业成长对于周边地区有着明显的正向溢出效应。但无论是在长期还是短期，数字金融发展的空间溢出效用并不显著，即一地区数字金融发展对于周边各地区的高技术产业的促进作用并不明显。这说明我国临近区域间数字金融对产业发展的良性互动仍需进一步加强。

本文通过分解数字金融作用于高技术产业的时空效应，为数字金融更好服务我国“中国制造2025”战略目标，进而推动我国实体经济高质量发展提供了有益结论。

基于以上结论，本文就数字金融发展如何推进高技术产业成长提出如下三点建议：

第一，推进数字金融发展整体布局。各地政府与数字金融服务提供商要积极推进数字金融服务框架的构建，加大对数字金融基础设施建设的力度，使数字金融对高技术产业的支持程度不断加深。面对我国数字金融和高技术产业区域发展不协调的现状，国家应该继续加大对中西部地区数字金融基础设施建设投入的力度，对欠发达地区提供更多的政策倾斜，由此提升数字金融的覆盖广度。同时应充分考虑市场环境，在互联网信息技术支持的基础上，扩展数字金融的使用场景、不断提升服务效率、降低使用成本，推动高技术产业的成长。

第二，切实提升数字金融服务高技术产业的效率。政府要对数字金融制定完善有效的管理细则，既要切实防范重大金融风险的出现，也要坚持市场在资源配置中起决定性作用的原则，确保数字金融能够更加有效的发挥职能。同时对高技术企业的政策需要按照区域与企业规模的差异灵活进行制定，因势利导。

第三，深化金融供给侧结构性改革。要不断推进金融供给侧结构性改革，避免“粗放式”创新，更好地提升数字金融对实体产业的提振效应的延展性。数字金融与高技术产业的深度配合不是一蹴而就的，只有通过对金融体制的不断改革与数字金融的持续创新发展，提升不同区域间数字金融与高技术产业之间的耦合程度，才能实现区域间高技术产业共同高质量协同发展的目标。