数字金融对非金融类企业风险承担的影响研究——来自我国中小板和创业板的经验证据

严复雷 崔钟月 张语桐

（西南科技大学，四川 绵阳 621010）

一、引言

企业在面临未来不确定性时进行决策的风险倾向表现为企业风险承担。有较高风险承担意愿的企业能克服短视，在投资时选择与高收益相伴的高风险项目，往往伴随高资本性支出、高创新积极性和更多的研发投入（Bargeron et al.，2010）。风险承担被视为实现企业价值和资源配置优化的“利器”，也是一国经济长期持续增长的根本动力（John et al.，2008）。一般来讲，企业高管出于个人财富保值和职位关注的需要有降低风险承担的倾向，基于高层梯队理论，部分学者研究高管个人特征对企业风险承担水平造成的差异。此外，企业层面特征同样会影响公司决策，进而影响企业风险承担水平。然而，企业的风险承担水平不仅取决于管理层和企业特质，作为一项资源消耗性活动，风险承担行为受制于企业的资源基础。资金持有量无疑是影响企业风险承担水平的重要一环。融资约束缓解时，企业才更有可能扩大经营、将内源性资金更多地配置到投机性功能、增加高风险项目的投资（胡育蓉等，2014）。在转型经济背景下，信息不对称程度和结构性矛盾凸显，严重影响资金的利用效率，广大企业的融资困境难以得到纾解，这明显对企业风险承担水平形成制约，削弱其经济效能的发挥。

近年来，随着信息技术快速发展，传统金融机构与金融科技公司纷纷利用云计算、人工智能等手段进行服务创新，诞生了以第三方支付、移动支付为代表的数字金融新业态。数字金融的出现为企业风险承担水平的提高创造条件,因此，探讨数字金融发展对企业风险承担水平的影响对促进我国数字金融发展和提升企业家创新意愿，进而推动金融供给侧结构性改革和企业创新具有一定的现实价值和理论意义。不少学者关注到数字金融在宏观层面上拉动经济增长、减轻贫困、缩小城乡收入差距等效用和其微观层面对家庭金融的资产配置优化、合理化消费结构、促进创业等效用。但目前聚焦数字金融与风险承担的研究不多且局限于银行等金融机构，对非金融类企业风险承担的定量分析更少。

本文以2011～2018年中小板、创业板非金融类上市公司为样本，从理论和实证层面探究数字金融与非金融类企业风险承担水平之间的关系，求证企业信息透明度和银行竞争在“数字金融—企业风险承担”中扮演的角色，把企业样本按照“产权”和“阶段”分组，验证数字金融的普惠特性，为运用数字金融提升非金融类企业风险承担水平提出合理建议。本文可能存在的边际贡献在于：第一，从数字金融这一新金融业态视角研究企业风险承担水平，拓宽企业风险承担水平驱动因素的研究边界，为数字金融服务实体经济提供微观企业层面的理论依据和实证结果；第二，采用中介效应模型和调节效应模型，基于银行业竞争机制路径和企业信息披露行为，揭示数字金融影响企业风险承担水平的基本逻辑；第三，以企业的产权性质和生命周期为区分依据，探讨数字金融发展对不同性质企业和处于不同周期的企业的异质性特征。

二、理论分析与研究假设

（一）数字金融与企业风险承担

数字技术的应用能够有效缓解传统金融机构逐利性、市场信息不对称等问题，发挥资源支持和信息治理作用，促进企业提升风险承担水平。具体来看，资源支持作用可以分为规模扩大和可得性提升两个层面。一方面，数字金融具有资金“放大器”功能，为企业风险承担注入多元化且充裕的资金。凭借互联网等平台，数字金融能够突破时空局限聚合闲置资金，基于场景、技术、服务优势精准匹配长尾群体进行放贷（江红莉和蒋鹏程，2021）。另一方面，数字金融增强了企业获得资源的有效性。首先，线上审批、线上放贷的形式简化了信贷审查程序，大大缩短信贷审核时间，减少交易费用。其次，借助数据追踪、挖掘等智能化技术，数字金融能够从大量结构数据和非结构数据中提取企业的还款意愿和还款能力，构造综合信用评分指数，改善企业面临的抵质押困境。最后，数字金融能运用机器学习实现智能化风控，将数字化反欺诈技术覆盖贷款全流程，降低信用风险溢价及企业融资成本。融资成本的降低意味着项目投资收益的相对扩大和企业陷入流动性危机的概率减小，助力企业更为平稳地经营，从而削弱管理层风险规避的倾向，提高企业风险承担水平（陈小辉和张红伟，2021）。同时，数字金融帮助外部投资者与企业管理者掌握企业相关信息，优化风险投资决策。这不仅体现在电商平台等交互网络的搭建促进了信息的即时共享和跨平台交流，以较低的信息成本帮助企业管理者捕获投资机遇，减少短视行为，改善风险厌恶态度（王剑程等，2020）。数字金融强大的信息采集、处理和监测功能缓解外部投资者与企业间的信息不对称程度，增强社会信任，抑制管理层的机会主义行为进而提升风险承担水平（马连福和杜善重，2021）。因此，本文提出假设H1。

H1：数字金融能够提升非金融类企业风险承担水平。

（二）数字金融、银行竞争、企业风险承担

银行作为传统金融机构的重要组成部分，是企业债务融资的主要来源，对企业的贷款活动和贷款成本产生重要影响。数字金融发展引发越来越多的科技公司涉足金融领域，花呗等个人消费信贷、余额宝等货币基金型产品、微信支付等第三方支付在资产、负债和中间业务上对传统银行构成竞争，成为银行间竞争加剧的主要原因（袁鲲和曾德涛，2021）。除此以外，数字金融的技术溢出效应间接促进商业银行的竞争态势由物理网点的争夺向技术手段的较量转变，使原本物理网点较为薄弱的银行实现弯道超车成为可能，强化金融的普惠性（吴晓求，2015）。根据市场势力假说，在银行结构性竞争程度较高的地区，多层次的银行竞争体系不仅使得企业多方借贷成为可能，增加企业的贷款议价权，并且冲击传统金融倚靠存贷款利差的经营模式。银行在利润目标驱使下提高规模偏好与风险偏好，放宽对企业抵押品的要求，促进信贷结构和信贷配置效率优化（孙旭然等，2020）。而融资环境的改善有助于企业把握高风险的投资项目。综上，数字金融可能通过加强银行竞争程度这一作用机制便于资金供需双方实现金额、期限和风险收益上的高效匹配，缓解企业面临的融资约束进而提升风险承担水平。因此，本文提出假设H2。

H2：数字金融能够通过增强银行竞争程度来提升非金融类企业风险承担水平。

（三）数字金融、信息透明度、企业风险承担

企业家进行风险投资的意愿和行动除了受外界制度环境影响外，有效的内部治理手段同样重要。在信贷市场信息不透明的情况下，有过度自利倾向的管理者难以被有效监督，容易滋生道德风险和逆向选择问题（吴良海等，2016）。需要指出的是，数字金融所展示的最大优势是支持普惠金融的发展，缓解弱势群体无法获得趋利性资金的信任问题。信息透明度的提升会增进微观个体间信任，这有助于数字金融效能的发挥（陈颐，2017）。借助云计算、人工智能、区块链等技术，数字金融便捷、快速地挖掘、收集、整合企业留存于各个平台的数据并进行实时监测，规模效应的成本优势显著。企业公开的相关信息可以与数字金融挖掘的多维软信息相互补充，进一步减轻投资者与企业间的信息不对称程度，以此降低投资者对逆向选择与道德风险问题的担忧，增强金融机构对企业的放款意愿，从而促进企业风险承担水平的提升。与此同时，在外界融资环境改善时，企业信息透明度的提高发挥“治理作用”，减少管理者由于激励不相容及责任不对等所采取的自利行为，资金的配置效率得到优化，增进企业对风险投资的敏感性（雷新途和温卿云，2021）。因此，本文提出假设H3。

H3：随着企业信息透明度的提高，数字金融对非金融类企业风险承担水平的促进作用越强。

（四）企业产权性质、生命周期的异质性作用

从企业的产权性质来看，国有企业通常更易获得政府补贴和政策优惠，由于其以政府信用作为背书，使得国有企业更容易获得银行的信贷支持。但这类企业出于政策性经营目标和代理问题，在外部融资环境更优时做出的投资策略调整幅度通常较小。由于融资约束会抑制风险承担，非国有企业受制于“信贷歧视”，其风险承担往往处于较低的水平。对于非国有企业而言，其激励和监督模式更为多元（白重恩等，2006），公共责任承担程度低，在面临金融环境的进一步改善时更看重公司未来发展，倾向于高风险但预期净现值为正的投资机会。在数字金融的资源支撑作用下，非国有企业的融资约束得到有效缓解，面对远期投资机会时的风险规避行为显著下降，取而代之的是承担更多的风险性投资项目以占据市场先发优势。

当企业处于不同的生命阶段，其财务状况、市场前景等明显不同，资金诉求和投资机会存在差异。受此影响，在外部环境改善时企业风险承担边际变化幅度不尽相同（吴倩等，2019）。成熟期企业已经迈过成长期，市场占有率、品牌知名度较高，具有持续经营的能力，现金持有水平处于整个生命周期的峰值，管理者追加投资的动力不足。当企业进入衰退期，表现为创新能力不足、财务状况恶化、市场占有率和毛利润急剧下滑，管理者在对企业未来发展进行研判后，通常采取及时止损的退出策略（马宁和王雷，2018）。而相对于成熟期和衰退期，成长期企业最具发展机会和投资价值。正值规模扩张、研发创新的黄金时期，为了在市场竞争中占据有利地位，企业往往具有较高的风险承担意愿。但因传统金融的“后向型”偏好遭受金融排斥，资金可得性低导致其风险承担能力受限。数字金融的出现为成长期企业提供资源支撑，有助于提升企业风险承担水平。因此，本文提出假设H4。

H4：数字金融具有纠正“属性错配”和“阶段错配”功能，即促进非金融类企业风险承担水平的作用在非国有企业和成长期企业中更明显。

三、数据与研究设计

（一）数据来源

北京大学数字普惠金融指数自2011年始更新至2020年，可获取的中小板、创业板上市公司数据同样截至2020年，但企业风险承担水平需要以3年为窗口期经滚动预测可得，本文对解释变量和被解释变量的时间维度取交集后，构建2011～2018年全国地级市层面的面板数据集。为提高实证结果的真实性，对数据进行以下处理：剔除样本中的金融类和保险类企业；剔除在样本期间存在退市风险的（ST、＊ST、PT）企业；剔除在样本期间首次公开募股（IPO）的企业；以三年连续为原则，保留至少三年数据连续的样本。企业层面数据按照企业办公地址所在城市与宏观数据匹配，并对数据进行1%和99%的Winsorize 缩尾处理以降低异常值的影响。企业数据均来自CSMAR 数据库、Wind数据库，数字普惠金融指数来自北京大学《数字普惠金融指数》，宏观层面变量中的区域经济发展水平（PGDP）来自《中国城市统计年鉴》，市场化指数（Market）来自《中国分省份市场化指数报告》。为了使量纲级统一，本文对数字普惠金融指数除以100，对企业规模、经济发展水平作对数化处理。

（二）变量设计

1.被解释变量。企业风险承担水平（Risk）：常见的企业风险承担水平的衡量方法包括企业盈利波动、政策行为、生存状态和态度指标。考虑到风险承担行为导致的最直接后果是造成企业盈利波动，具有科学性，参考何瑛等（2019）的做法采用盈余波动（Roa）程度指代企业盈利的波动性，用来衡量风险承担水平。具体计算如公式（1）−（3）所示，Roa经企业相应年度的息税前利润（EBIT）除以当年末资产总额得到。然后对企业每一年的Roa采用行业年度平均值进行调整，以每三年为一个观测时段，将计算得到企业经行业调整的Roa标准差命名为Risk1，极差命名为Risk2。

2.解释变量。数字普惠金融发展指数（DIF）：选取北京大学数字普惠金融研究中心开发的“北京大学数字普惠金融指数”作为数字金融的代理变量。北京大学数字普惠金融指数包括数字金融的覆盖广度、使用深度和数字支持服务程度三个维度，时间跨度为2011～2018年，覆盖中国省、市、县三级行政区。

3.控制变量。从企业特征出发，选取企业风险承担的控制变量主要包括：企业规模（Size）、资产负债率（Lev）、企业盈利能力（Roe）、企业成长性（Growth）、董事会规模（Board）、股权集中度（TOP1）、两职合一（Dual）。出于严谨性考虑，同时纳入经济发展水平（GDP）、市场化程度（Market）用于控制地区和行业差异，具体变量说明和计算方法如表1所示。

表1 变量定义

（三）模型构建

为了研究数字金融对非金融类企业风险承担水平的影响，选用滚动3 期并经行业调整的Roa标准差（Risk1）和极差（Risk2）作为被解释变量，使用固定效应模型加入年份和行业虚拟变量，以控制时间和行业效应。此外，在回归检验中默认使用聚类到公司层面的稳健标准误，解决可能存在的异方差问题。基准回归模型如公式（4）所示

其中，下标i表示企业i，t为第t年；Riski,t表示企业i在t年的风险承担水平；DIFi,t为企业i第t年所在地级市的数字普惠金融指数；Control表示控制变量；γj为行业固定效应；λt为年度固定效应；εi,t为随机扰动项。

从银行竞争的角度，本文运用中介效应检验程序，研究数字金融对非金融类企业风险承担水平的影响路径，并运用逐步回归法设置递归方程进行识别检验。

其中，式（5）为数字金融对非金融类企业风险承担水平的总效应检验，φ1为总效应系数，式（6）考察数字金融对银行竞争程度的影响，θ1为相关系数。式（7）为控制数字金融的情况下，银行竞争程度对非金融类企业风险承担水平的影响，τ1为相应系数。根据中介效应检验机制，当φ1、θ1和τ1都显著时，表明银行竞争程度在数字金融与非金融类企业风险承担水平之间存在显著的中介效应。

除了上述探讨外，本文遵循调节效应检验程序分析信息透明度的调节作用及影响方向。调节效应检验模型如公式（8）所示。

在模型（8）中将地级市数字普惠金融发展指数（DIF）和信息透明度作交互项处理，重点关注β3系数，若交互项DIF×TRS的系数显著为正，说明企业信息披露越透明，数字金融对企业风险承担发挥出越强的作用。

四、实证过程及分析

（一）描述性统计

表2给出了变量描述性统计结果。从表2可以看出，样本非金融企业的风险承担水平Risk1的最小值、均值、最大值分别为0.001、0.025、0.160，说明非金融企业风险承担水平整体不高且在企业间存在较大差距，非金融类企业风险承担水平存在较大的提升空间。数字普惠金融发展指数（DIF）的均值为1.839，最小值和最大值分别为0.373和2.914，数字金融发展水平可能存在区域发展不均衡问题。

表2 变量描述性统计

（二）基础回归结果

Hausman 检验显示模型（4）的检验结果为Prob＞chi2=0.0000，故采用固定效应进行回归。回归结果支持了H1，即数字金融能够有效提升非金融类企业风险承担水平。表3 中（1）至（2）列显示数字普惠金融指数（DIF）每提升1%，非金融类企业风险承担水平分别提升2.63%、4.94%，且均在1%的统计水平下显著，其余几项控制变量的回归结果也基本符合预期。

表3 数字金融对非金融类企业风险承担的总体影响

需要指出的是，数字金融可能对科技型中小企业融资约束的缓解程度存在结构性特征。具体来看，数字金融由三个子维度构成。其中覆盖广度由地区支付宝账户覆盖率和绑卡数表示，体现地区数字金融的触达情况；使用深度用于衡量数字金融所提供服务（如支付业务、信贷业务等）的获得状况及频率，表示数字金融对传统金融模式的创新和深化发展；数字支持服务程度反映移动支付便利性和市场主体获取贷款的实惠性。由于不同维度反映的数字金融发展的侧重点不同，为更精确地检验数字金融不同维度影响非金融类企业风险承担水平的程度，将数字金融降维到三个子维度（Coverage、Usage、Digital）进行研究，回归结果如表4 所示。列（1）和列（2）呈现了数字金融覆盖广度（Coverage）对企业风险承担水平的影响，均在1%的统计水平下显著为正，这说明数字金融的出现突破了时空限制，使得广大地区的居民足不出户即可借助互联网平台实现及时交互，获取便捷的金融服务，为企业家发现投资机会、进行远期风险投资提供更为完善的金融环境。列（3）和列（4）可见，相比覆盖广度（Coverage），数字金融使用深度（Usage）更为显著地提升了非金融类企业风险承担水平，在5%的统计水平下显著为正。这可能是由于不同性质的企业具有异质化的融资需求，数字金融运用数字技术精确识别“潜力”企业并提供多样化金融服务，使得资金的配置有效地流向有风险意愿但受限于融资约束的企业。对于数字化程度（Digital），（5）和（6）列表明其对非金融类企业风险承担水平的作用并不显著，这或许与我国现阶段金融系统整体数字化程度不高、数字金融基础建设并不完善有关。

（三）稳健性检验和内生性讨论

1.工具变量法。参考傅秋子和黄益平（2018）的做法使用各城市到杭州的球面距离（Dista_sphere）取对数作为数字金融的工具变量。首先，作为数字金融的代表，支付宝在杭州起源，数字金融呈现出与杭州相距越远则推广难度越大的特点（郭峰等，2017），故企业所在地的数字金融发展程度与其到杭州的球面距离相关。其次，选择各城市到杭州的球面距离作为数字金融的工具变量符合外生性的要求，避免遗漏宏观层面的市场化程度或者企业特征等变量对企业风险承担产生作用。由于距离并不随时间变化，可能导致第二阶段估计失效。因此，本文将各城市到杭州的球面距离与全国层面（除本市外）的数字金融发展指数的均值进行交互，生成具有时间变化效应的工具变量。表5 中列（1）的回归结果显示工具变量（Dista_sphere）与数字金融总指数显著负相关，说明城市离数字金融发展中心越远，数字金融的发展水平越低，与现实情况相符，且F统计值=67.58＞＞10，满足对工具变量的要求。基于（2）和（3）列可以看出，数字金融总指数对非金融类企业风险承担水平系数依然显著为正，这说明数字金融发展对提高非金融类企业风险承担水平作用显著且稳健，这一结果也与表3、表4的结论保持一致。

表4 数字普惠金融三个子维度对企业风险承担水平的影响

表5 工具变量法

2.替换变量。首先，以每五年作为一个观测时段，分别滚动计算经行业调整后的Roa的标准差和极差后生成的risk1、risk2作为企业风险承担水平的替代衡量指标。需要说明的是，采用5年滚动预测后企业样本年限将变为2011～2016年。表6中（1）列和（2）列的结果不受观测时间长度影响，显示数字金融能够显著提升企业风险承担水平。其次，选取研发支出在取对数后作为替代指标，对企业而言，研发投资具有周期长、风险高、未来资产价值高度不确定的特点，研发支出越大代表企业投资回报的不确定性越高，与企业风险承担水平呈现同向变动。经行业调整滚动三期后用RISK1、RISK2表示企业风险承担水平。（3）和（4）列结果显示，更换企业风险承担水平指标后，结果仍支持数字金融能够显著提升企业风险承担水平这一假设。最后，使用2011～2018年省际层面数字金融指数与企业数据相匹配。（5）和（6）列展示省际层面的数字普惠金融指数（index）对非金融类企业风险承担水平（Risk1，Risk2）的回归结果，index的系数依然显著为正，与基准回归结果保持一致。

表6 替换变量

（四）机制分析

1.银行竞争的中介效应。数字金融的发展引发鲶鱼效应，直接或间接促进银行竞争，在削弱“信贷歧视”的同时倒逼金融创新，帮助企业获取低成本、高效率、长时期、多元化的资金，从而助力企业风险投资。为了验证上述理论分析，加入银行结构性竞争这一中介变量，对企业风险承担水平进行中介效应检验。参考严楷等（2019）的做法，利用银保监会公布的金融许可证信息获知银行网点数，计算出中国银行、农业银行、工商银行、建设银行、交通银行五大银行占该城市该年度所有商业银行分支机构数量总和的比重（CR5）。Bank值的计算公式为Bank=1−CR5，Bank值越高说明银行竞争程度越激烈。

银行竞争的中介效应检验结果如表7所示，由列（1）的结果可知，银行竞争（Bank）的估计系数为0.2115，且在1%水平下显著，意味着数字金融加剧了银行业的竞争。由列（2）和（4）可知，数字普惠金融发展指数（DIF）的估计系数为0.0263和0.0494，且在1%的水平下显著为正，说明数字金融发展水平越高，越有利于中小企业的风险承担水平提升。将被解释企业风险承担Risk、解释变量数字普惠金融发展指数（DIF）与中介变量银行竞争（Bank）一同回归后，由（3）列和（5）列结果可知，银行竞争（Bank）的估计系数为0.0192和0.0419，且在1%水平下显著，意味着数字金融能够促进银行竞争便利企业融资，进一步提升风险承担水平。由于列（1）数字普惠金融发展指数系数与列（3）和列（5）中银行竞争的符号相同且显著为正，相乘后与列（2）和列（4）中的数字普惠金融发展指数系数同号，表明强化银行竞争的部分中介效应成立。假设H2得到证明。

表7 银行竞争的中介效应检验

2.企业信息透明度的调节效应。为验证企业透明度的变化是否会对数字金融与风险承担的关系造

成影响，在模型（4）的基础上引入信息透明度（TRS）、数字普惠金融发展指数（DIF）与信息透明度（TRS）的交叉项等变量，再次进行面板回归分析。考虑到会计盈余是企业最为重要的特质信息，故沿用目前主流做法从应计盈余管理角度衡量信息透明度。参考陈骏和徐捍军（2019）的做法选取操纵性应计利润的绝对值再取相反数代表信息透明度，该值是正向指标，当该值越大，利润掩盖程度越轻，说明信息透明度越高。

表8的（1）（4）列结果可知，企业信息透明度对企业风险承担水平具有显著促进作用，企业透明度每提升1%，企业风险承担水平（Risk1、Risk2）分别提升7.85%、14.65%。（3）（6）列交互项DIF×TRS系数均在1%的统计水平下显著，说明随着企业信息透明度提升，数字金融发展对企业风险承担意愿的提升作用越强烈，有力支持假设H3。财务信息的披露与良好的外部金融环境相辅相成，发挥监督作用减少代理问题的同时优化资金配置效率，提高企业风险承担水平。

表8 信息透明度的调节作用检验

（五）异质性检验

即使不同企业处于相近地域，享受数字金融服务趋同，但由于各个企业目标函数和资源禀赋不一，企业风险承担意愿和能力的变动存在较大差异。为探究数字金融发展对不同企业的作用程度，将企业按照产权性质（国有和非国有）、生命周期（成长期、成熟期、衰退期）划分，分析数字金融对企业风险承担水平影响的异质性。企业产权分组根据企业最终控制人的性质来确定，如果企业最终控制人为国有主体，则样本企业定义为国有企业，否则为非国有企业。参考Dickinson（2011）的做法，根据企业的经营活动现金流量、投资活动现金流量和筹资活动现金流量的符号来划分生命周期阶段。由于选取的样本为上市公司，基本已跨过初创期，故将初创期和成长期划归为成长期，将动荡期中企业特征与成熟期接近的样本划归为成熟期，其余为衰退期。

1.按企业的产权性质进行分组。表9 第（3）和（4）列的回归结果显示，按非金融类企业产权性质（国有企业和非国有企业）分组后，数字金融对非国有企业的风险承担水平Risk1、Risk2 在1%的统计水平下具有显著的促进作用，而国有企业样本中数字金融对企业风险承担水平Risk1、Risk2 的提振作用不显著。这验证了数字金融对企业的风险承担水平影响在非国有企业中更明显的假设。

表9 根据企业的产权性质分组后的回归结果

2.按企业的生命周期分组。表10 的回归结果（1）（2）列显示，按非金融类企业生命周期分组后，数字金融对成长期企业的风险承担水平Risk1、Risk2 在1%的统计水平下具有显著的促进作用。印证数字金融发展为处于成长期的企业在融资约束上提供更及时的帮助，（5）（6）列的DIF系数显示，数字金融对衰退期企业的风险承担作用不显著，与预期相符。数字金融公司可以凭借强大的信息挖掘和识别能力判断此类企业融资风险高，故减少或削弱对其支持力度。而（3）（4）列的DIF系数显示，数字金融对成熟期企业的风险承担水平在5%的统计水平下具有显著的促进作用。这可以解释为数字技术的出现革新了信息的传播方式，知识的流动和技术的溢出给予初创企业后来者居上的机会，新型商业模式不断涌现，无疑加强了行业竞争程度。为保持竞争中的领先地位，成熟期企业倾向于风险承担，由此证明假设H4。

表10 根据企业生命周期分组后的回归结果

五、结论与启示

本文基于2011～2018 年全国地级市层面数字金融指数和沪深A股非金融类上市公司数据，研究数字金融发展对非金融类上市公司风险承担水平的影响，从银行竞争和信息透明度视角，检验数字金融对非金融类企业风险承担水平的作用路径，进一步讨论数字金融对非金融类企业风险承担水平的异质化影响。研究结果表明，首先数字金融对非金融类企业风险承担水平具有结构性影响特征，数字金融覆盖广度与使用深度能够显著提高非金融类企业风险承担水平，而数字服务支持程度的作用效果不显著；其次，数字金融能够通过加强银行竞争激烈程度提高非金融类企业风险投资水平；再次，信息透明度越高的非金融类企业在数字金融作用下，企业风险承担水平越高；最后，从异质性来看，数字金融发展能够有效改善“产权错配”和“阶段错配”，使得非国有企业和处于成长期、成熟期的企业的风险承担水平显著提高。上述研究结果具有较强的政策含义：第一，应重视数字金融发展带来的积极作用，继续完善数字金融设施建设，扩大服务半径，为数字化发展作用于企业风险承担水平夯实基础，提高数字金融在偏远地区、长尾群体中的普及率；第二，企业作为进行远期风险投资的行为主体，应该以更加开放、包容的态度对待数字金融新业态的发展，积极承担社会责任，主动披露信息；第三，商业银行和其他传统金融机构积极与金融科技企业展开深度合作，抓住技术变革机遇，提升自身核心竞争力。