数字金融与企业成长——来自中国工业企业的证据

郝丽花 方观富 黄 瑜

一、引言

我国经济发展已经进入新常态，经济增速趋缓，经济结构调整和转型仍需深化。根据国家统计局的数据，2019年，我国经济增速持续放缓，国内整体投资和消费动力不足。2020年以来，新冠肺炎疫情更是对我国经济造成了巨大冲击，全国普遍掀起裁员潮，就业形势严峻。许多中小企业也因流动资金不足而濒临破产。面对这样的现状，中央政府指出，要完善和强化“六稳”举措，并将其中的“稳就业”置于首位，健全财政、货币、就业等政策协同和传导落实机制，进一步缓解企业融资难、融资贵的问题，保持就业形势稳定。

数字金融，亦称为互联网金融，是指以智能手机和个人电脑为载体，将互联网信息技术应用于银行、投融资服务和电子货币的新一代金融服务，包括移动支付、网络借贷和众筹融资等。近年来，数字金融在我国发展迅速。数字金融使普通居民能更便利地享受到金融服务，同时也为企业提供了更多有效的融资途径；移动支付、电子支票等数字金融技术也提高了企业的日常运营效率。但是，数字金融可能对传统行业产生颠覆性的影响，部分传统行业的市场可能被挤占。目前学界对数字金融对企业增长的总体影响研究有限，本文试图利用微观数据来探讨数字金融对企业增长的影响。

在识别数字金融对企业增长的因果效应时，本文主要面临三个实证挑战。一是遗漏变量的问题。企业的增长会受到当地传统金融发展、居民人力资本存量、宏观经济稳定性以及制度质量等一系列经济因素的影响，而这些因素可能和当地数字金融的发展水平相关。二是实证中还存在反向因果的问题。人们对未来经济的预期能够影响金融的发展。如果当地企业绩效表现好，人们就会对未来经济抱有正向预期，从而加大数字金融服务的投资力度。三是数字金融的度量问题。数字金融的发展包含多个维度，各个地区数字金融发展的侧重点也可能不同，本文需要选取一个能够全面衡量各地区数字金融发展差异的指标。

在过去的十年中，中国数字金融的发展在时间和空间维度上都有很大差异。本文利用北京大学数字金融研究中心课题组编制的北京大学数字普惠金融指数，来研究数字金融对企业绩效的影响。同时，本文引入行业外部融资依赖度和数字普惠金融指数的交乘项来解决遗漏变量和反向因果引起的内生性问题(Rajan & Zingales，1998；Claessens & Laeven，2003；黄玖立和冼国明，2010；方显仓和曹政，2018)。该识别策略的主要理论依据是：金融市场中存在的交易成本和信息不对称等摩擦，使得企业的外部融资成本高于内部融资成本，并且可能无法实现最有效率的借贷规模；数字金融服务的发展可能会缓解金融市场摩擦，那些更加依赖外部融资的行业相对于那些不太依赖外部融资的行业从金融发展中获得的收益可能更多。

本文利用中国工业企业数据库来实证检验数字金融对企业增长的影响。回归结果表明，数字金融能够促进企业资产增长，即数字金融对那些行业外部融资依赖度更高的企业资产增长的正向影响更大。这种数字金融的异质性影响不会受到传统金融发展、互联网普及度、产权保护及政府支出的影响。进一步的影响机制分析结果表明，数字金融可以通过降低企业的外部融资成本，促使企业增加融资活动，进行规模扩张；数字金融也可以通过提高企业的营业收入增加其内部资本，从而降低企业的外部融资依赖度。本文还考察了数字金融对不同类型和不同地区企业增长的影响。结果表明，数字金融对民营企业和非出口企业增长的影响更大。

本文的可能贡献主要有以下两点。首先，丰富了现有讨论金融发展对经济增长影响的文献。国内外绝大部分研究发现金融发展对经济增长有正面影响(Levine，1997；Benhabib & Spiegel，2000；周立和王子明，2002；武志，2010)，但是，金融行业的过度膨胀也会对经济增长产生不利影响(胡静波和刘雅娇，2019)，本文从数字金融的角度检验了创新型的金融发展模式对经济增长的影响。其次，为数字金融对企业增长影响的讨论提供了新的证据。关于数字金融的研究主要是从消费、创业、农村金融等角度进行讨论，关于数字金融对企业增长影响的讨论仍然有限，而本文聚焦于企业增长，并使用跨行业的方法解决实证中的内生性问题，得出了数字金融发展可通过降低企业外部融资成本促进企业资产增长的结论。

二、相关文献和理论框架

传统金融是影响企业发展的重要因素之一。Rajan 和 Zingales(1998)研究发现，一国的金融发展会给依赖外部融资的企业带来融资便利，推动行业融资依赖度高的企业的发展。国内的研究也发现，金融的发展会降低企业的融资约束，进而影响企业的劳动雇用规模(张三峰和张伟，2016；罗长远和陈琳，2012；邵敏等，2013)，促进企业进行研发投资(沈江波等，2010；解维敏和方红星，2011)。

由于我国传统金融体系不发达，金融市场由国有企业占主导以及传统金融自主创新动力不足，在不同所有制和不同地区的企业的金融资源配置不平衡(Brandt & Li，2003；Bai et al.，2006)，部分企业面临严重的融资约束(姚耀军和董钢锋，2014；Ding et al.，2013)。传统金融市场的不完善和数字金融发展初期相对宽容的政府管制政策，使得数字金融在我国快速发展。我国正成为全球金融科技市场的领导者(Gomber et al.，2017)。移动支付正在迅速取代现金，按市场价值计算，中国在线支付服务的巨头——蚂蚁金服，已发展成为全球重要的金融科技公司。

近年来，我国发展出了许多数字金融服务形式，它们可以减少信息不对称，降低交易成本并优化资源分配。例如，点对点借贷通过互联网将借贷双方连接起来，从而降低了搜索和匹配成本；众筹模式使企业家能够通过互联网发布项目并筹集资金；电子商务供应链可以为贷方提供有关业务运作的详细信息，从而缓解中小企业信用信息不足的问题。

数字金融可以通过多种方式促进企业发展。首先，偏远地区的传统金融服务有限，数字金融提高了这些地区金融服务的可获得性。机构网点的高昂成本使传统金融机构难以渗透到经济相对落后的地区，而数字金融可以依靠信息技术、移动互联技术等打破传统金融所面临的地理限制，不仅极大提高了金融服务的普及范围，还大大降低了金融交易成本(郭峰等，2020；黄益平和黄卓，2018)。同时，数字金融催生出的网络借贷、众筹等线上融资渠道，更为农村及偏远地区的小微企业提供了融资便利，从而促进了小微企业的创新创业(谢绚丽等，2018；王博，2017)。

其次，数字金融可以建立新的社会信用体系。大型互联网公司(如阿里、京东和腾讯)可以创建新的信用系统。例如，通过阿里巴巴、淘宝、天猫、支付宝等平台，阿里金融可以连续获得卖方的商品交易量、真实性、零售活动、用户满意度、库存、现金流量，甚至水电支付的信用数据，这等同于拥有一套自己的信用信息系统，通过分析这些信息，决策者可以确定贷款申请人的资格和信贷水平，据以进行可靠的贷款决策。

此外，数字金融还可以创造新的商业模式(Gomber et al.，2017)。即时交易(如电子发票)可以大大节省公司的交易时间。众筹使创业者可以从世界上任何地方，快速、轻松地从陌生人那里获得资金。企业家无须花数月的时间进行演讲，而是可以借助互联网商店橱窗直接向全世界展示其产品。投资者只要点击屏幕，企业家就可以在几周内得到资金，而非像以前那样等上数月。同时，移动互联技术的发展本身就是推动商业变革的重要动力，如电子商务的快速崛起以及线上、线下结合的商业模式已经成为现在企业与消费者互动的主流发展方向(李继尊，2015；廉薇等，2017)。

三、数据

(一)北京大学数字普惠金融指数

本文用于衡量各地区数字金融发展水平的数据来源于北京大学数字普惠金融指数(2011～2015年)。该指数测算了各地区数字金融服务的覆盖广度、使用深度和数字支持程度，并将这三个基本维度加权得到数字金融总指数，全面系统地刻画了2011～2014年中国数字金融发展水平，共覆盖了31个省(区、市)、337个地级以上城市和1754个县。本文选取了2011～2014年的县级数据作为地区数字金融发展水平的衡量指标。

数字普惠金融指数的具体指标说明如表1所示。其中，第一个维度是覆盖广度，是用每万人拥有支付宝账户数量、支付宝绑卡用户比例以及平均每个支付宝账号绑定银行卡数衡量，体现了数字金融的普惠性。但由于有些人可能拥有一个以上的支付宝账户，因此，人均账户数量可能高估了实际受数字金融影响的人口比例。

表1 数字普惠金融指标体系

第二个维度是使用深度，衡量了地区人群实际使用数字金融服务的频率。有些人虽然拥有数字金融账户，但可能很少使用其所提供的服务，这些人受数字金融的影响其实很小。因此，仅仅使用数字金融覆盖广度来衡量数字普惠金融发展水平是不够的，还必须确保账户拥有者能够充分使用数字金融服务。使用深度指标合并了支付宝中数字支付业务、货币基金、信贷业务、保险业务、投资业务及征信业务的使用程度，弥补了覆盖广度的缺陷。

第三个维度是数字支持服务程度，即金融服务的数字化水平，主要是用金融服务的移动支付占比和贷款利率衡量的。这是因为数字化水平主要取决于金融服务的便利性和成本，数字金融服务的便利性越高(移动支付占比高)、成本越低(贷款利率低)，人群对该项服务的需求就越高。

数字普惠金融指数的构建过程将其与支付宝相关的指标联系起来(郭峰等，2020)。首先，对支付宝指标进行无量纲化。其次，利用层次分析法赋予它们不同的权重。再次，利用这些权重进行指数合成，形成覆盖广度、使用深度和数字支持服务程度的发展指数。最后，再一次通过指标无量纲化方法，获得最后的中国数字普惠金融指数。

(二)企业绩效

本文的企业变量来自中国工业企业数据库，所使用的数据样本期间为2011～2014年，并使用了2010年的调查数据来计算2011年企业绩效变量的增长率。删除了样本期间仅有1个观测值的企业样本，并且删除了那些关键变量缺失或者财务数据不符合会计准则的样本企业。(1)本文定义企业出现如下任何一种情况便不符合会计准则：销售额为负、总资产小于固定资产、总资产小于流动资产或累计折旧小于当期折旧。为了减小异常值的影响，对每个回归变量的观测值都进行了1%的缩尾处理。最终，本文的面板数据包含了257352家非上市公司，对应823379个企业乘以年份层面的观测值。

(三)外部融资依赖度

本文利用企业的外部融资依赖度来衡量企业对外部资本可得性的敏感度。行业之间对于外部融资的依赖程度是不同的，这是因为不同行业拥有不同的技术特性，其前期成本和投资回报周期存在巨大差异。例如，高新技术产业往往需要投入大量的前期资本，因此，这些行业中的企业会比其他企业更加依赖外部融资。本文使用行业的外部融资依赖度来衡量这些差异，并将其定义为非来自经营现金流的融资占资本支出的份额。

本文所使用的外部融资依赖度指标取自Kroszner 等(2007)得出的美国行业外部融资依赖度指数，该指数是基于美国所有上市公司数据库，使用Rajan和Zingales(1998)以及Claessens 和 Laeven(2003)研究中的方法计算得到的，指标数值越大，则外部融资依赖度越高。选择这一指标的原因主要有以下三点。(1)美国拥有较为先进、完善的金融体系，因此，美国企业在面对融资约束下的行为应更符合最优资产配置原理以及外部融资量的最佳选择。(2)选择其他国家的指数可以加强行业外部融资依赖度这一指标的外生性，确保该指标不会受到中国金融发展水平的影响。(3)理论上外部融资依赖度这一行业特性的线性排序在各个国家/地区间是无差异的，即各行业在各个国家/地区之间的排名会保持相对稳定。由于行业外部融资依赖度很大程度上取决于一个行业所固有的技术特性，因此，美国的这一指标可以很好地替代其他国家的行业排名(Rajan & Zingales，1998；Manova et al.，2011)。

各主要变量的描述性统计如表2所示。

表2 主要变量描述性统计

四、识别策略

本文聚焦于数字金融发展情况对企业增长的影响，主回归模型如下：

logYijpt=β0+β1×DFDIpt+β2×DFDIpt×FinVulnj+Xijpt+θj+δp+αi+εijpt

(1)

其中，Yijpt代表被解释变量，即区县p行业j中的企业i在第t年的绩效变量(总资产增长率和固定资产增长率)。DFDIpt为区县p第t年时的数字普惠金融指数，FinVulnj代表行业j的外部融资依赖度。β2是本文核心关注的系数，若该系数显著为正，则说明相较于行业外部融资依赖度低的企业，行业外部融资依赖度高的企业资产增长受到数字金融发展的正向影响大。Xijpt是一组可观察到的随时间变化的企业特征变量，包括利用滞后一年的总资产对数值所衡量的企业规模、企业年龄以及滞后的利润和杠杆率。εijpt为随机扰动项。为控制同一区县内企业绩效的相关性，本文将标准误聚类至区县层面。

本文加入行业固定效应θj来控制不同行业之间不依赖于企业组织结构的企业绩效的系统差异。θj包含了影响中国企业增长的各种决定性因素，以及能对行业中的所有企业产生影响的行业特定需求或成本冲击。同时，它还包含了各行业金融脆弱性对企业资产增长影响的水平效应。

本文使用区县的固定效应δp来代表同一区县的所有企业资产增长的固定特征。这一固定效应控制了所有能够影响企业绩效的不随时间变化的或者在短期内基本不变的区县特征，包括地方地理位置、商业文化、财税制度、基础设施发展水平和人才计划等。

本文还在回归模型中加入了企业固定效应αi，它控制了所有的企业特征，这些企业特征包括企业的生产力、管理能力、人力资本构成及国外分销网络的可得性等，这些企业特征会在样本期间内对企业绩效产生不随时间变化的影响。此外，由于αi包含了企业的所有权类型，因此，它还控制了不同所有权企业之间绩效的平均差距。

五、实证结果分析

(一)基准回归结果分析

本文采用计量模型检验了数字金融对企业资产增长的影响。表3的第(1)列、第(2)列分别是企业的总资产增长率、固定资产增长率对当地的数字普惠金融发展指数的OLS回归结果，控制变量包括企业和年份的固定效应。回归结果表明，企业的总资产增长率与当地数字普惠金融发展水平呈正相关关系，而固定资产增长率的系数并不显著。OLS回归可能存在遗漏变量的内生性问题，这种简单的正相关关系可能是由其他宏观经济因素导致的。第(3)列、第(4)列通过引入数字普惠金融指数与外部融资依赖度的交乘项来研究数字金融发展与企业资产增长之间的因果关系。

表3 基准回归：数字金融与企业资产增长

续表

表3第(3)列为企业总资产增长率的基准回归结果。数字普惠金融指数和行业外部融资依赖度交互项的系数为正，并且在1%的水平上显著。这说明数字金融发展对外部融资依赖度更高的企业产生了更大的正面影响。在样本中，外部融资依赖度在75分位数的行业是钢铁业，排在25分位数的行业是服装业。数字普惠金融指数的75分位数为133.35，数字普惠金融指数的25分位数为70.31。根据回归结果，我们可以预测，当数字普惠金融指数从25分位数上升到75分位数时，钢铁业每年的总资产增长率应该比服装业多增长0.56%，而样本中企业每年的实际平均总资产增长率为25.9%，这说明数字金融对企业增长的影响在经济上也是显著的。第(4)列给出了数字金融对企业固定资产增长率影响的估计结果。回归结果表明，数字金融的发展对行业外部融资依赖度高的企业固定资产增长率有更加正面的影响。

为进一步检验基准回归结果主要反映的是数字金融发展的影响，而不是其他与数字金融发展正相关的社会经济特征的影响，本文在基准回归方程中额外控制了一系列其他可能的社会经济干扰因素。

首先，基准回归的结果可能由于未考虑地方传统金融发展的影响而产生偏差。依赖手机和智能手机终端的互联网金融服务通常是在具有发达传统金融系统的地区最早引入的。传统金融发展水平更高的地区数字金融的发展水平也可能更高，上述观察的数字普惠金融指数和外部融资依赖度的交互影响可能反映的是传统金融和外部融资依赖度的交互影响。为了排除这种可能性，本文在回归方程中加入了传统金融发展指数与外部融资依赖度的交乘项。其中，传统金融发展指数是用地区金融体系中的流动负债除以地区生产总值计算得到的。表4的第(1)列、第(5)列报告了相应的回归结果。在控制了地区传统金融发展水平后，交互项系数依然在1%的水平上显著，且与基准回归中的系数差异不大。这说明主回归中数字金融发展对行业的不同影响并不是由传统金融的发展导致的。

表4 考虑干扰因素对基准回归的影响

同样，本文的研究结果可能会受到手机和互联网普及数的影响。数字金融快速发展的背后往往伴随着信息技术的快速发展。如果数字金融发展与信息技术的发展高度相关，那么基准回归中数字普惠金融指数与外部融资依赖度的交乘可能只是外部融资依赖度与信息技术可得性交互的代理变量。为了检验这种可能性，本文控制了外部融资依赖度和地区信息技术发展(地区每万人互联网用户数量和手机用户数量)之间的交互项。表4中第(2)列、第(6)列的回归结果证实，基准回归中数字金融对企业资产增长率的影响并不是由信息技术发展驱动的，并且回归系数与基准回归中的系数差异不大。

另外，城市的金融发展通常与其法律产权制度特征有关。城市的产权保护越完善，当地企业的金融发展水平也更高。本文在基准回归中观察到的数字金融对不同行业的异质性影响也可能是由省份间产权制度的差异所引起的。为了排除这种可能性，本文在基准回归的基础上又控制了法律指数与外部融资依赖度的交互项。表4中第(3)列、第(7)列的回归结果显示，加入额外制度变量的控制后，基准回归中的结果依然存在。

表4中第(4)列、第(8)列的结果则证实了基准回归中的行业差异效应与政府支出无关。考虑到政府支出可能同时影响数字金融的发展以及企业绩效，因此，本文在基准回归中又控制了财政支出和外部融资依赖度之间的交互项。回归结果与表3中的基准回归结果大致相同，且仍在1%的水平上显著。

其次，本文的结果也可能受到数字金融和其他行业特征相互作用的影响。因此，本文在基准回归方程的基础上分别加入了数字普惠金融指数与行业实体资本密集度、人力资本密集度及人均资本占有率的交互项。回归结果如表5所示，从中可以看出，数字金融对企业增长的行业差异效应与基准回归结果几乎一致，且仍在1%的水平上显著。

表5 控制行业层面的干扰因素

最后，本文将基准回归中的数字普惠金融指数替换为三个一级维度指标，考察数字金融的不同维度对企业资产增长率的影响(见表6)。回归结果表明，在外部融资依赖度较高的行业中，数字金融的所有维度，包括覆盖广度、使用深度和数字支持均对企业的资产增长具有显著的促进作用。

表6 数字金融一级维度对企业资产增长的作用

(二)机制分析

这一部分讨论了数字金融影响企业资产增长的渠道。我们认为，数字金融影响企业增长的第一个可能的渠道是：数字金融的发展可以通过降低企业的外部融资成本来促进企业增长。具体来说，企业的融资渠道可分为内部融资和外部融资，而由于交易成本的存在，外部融资的成本往往高于内部融资成本，因此，外部融资是企业的边际选择。数字金融的发展为企业提供了更多的融资渠道，同时在一定程度上缓解了企业融资时的信息不对称问题，从而降低了企业的外部融资成本。

表7报告了数字金融对企业负债增长率的影响。回归结果表明，数字金融对企业的负债增长率有显著正向作用。无论对总负债增长率还是流动负债增长率进行回归，数字普惠金融指数与外部融资依赖度的交互项系数都为正，且在1%的水平上显著。这意味着，数字金融的发展使得行业融资依赖度更高的企业获得了更多的负债，进而使得行业融资依赖度更高的企业更容易扩大资产规模。

表7 数字金融对企业负债的影响

续表

数字金融对企业增长的影响还可能存在第二个渠道，即数字金融的发展可以通过降低企业的外部融资依赖度来促进企业资产增长。具体地，数字金融的发展提高了金融市场的可及性和日常交易的便利性，促进了企业销售收入的增长，进而增加了企业内部资本，降低了企业的外部融资依赖度。为了验证这一假说，本文使用企业的营业收入增长率和利润增长率对数字普惠金融指数与外部融资依赖度的交乘项进行回归。表8报告了相应的回归结果。交乘项系数均在1%的水平上显著。结果表明，外部融资依赖度越高，数字金融对企业销售收入增长率的促进作用就越强。

表8 数字金融对企业增长影响的机制分析

(三)异质性分析

我们根据所有权类型对企业进行分组，观察数字金融对企业增长的影响是否存在企业类型异质性。具体地，将样本企业分为民营企业和非民营企业(包括国有企业和外资企业)。本文预期国有企业和外资企业的资产增长不会受到数字金融发展的显著影响。对于国有企业来说，其通常受益于软预算约束，因此不会遭受融资约束(Bai et al.，2006)。至于外资企业，其所受的融资约束也比其他类型的企业要少，因为它们可以从母公司获得资金支持(Poncet et al.，2010；Manova et al.，2011)。相比之下，民营企业的增长将受到数字金融发展的显著影响，因为中国的民营企业实际上面临着高度的融资约束(Poncet et al.，2010；Ding et al.，2013)。

具体来说，由于国有银行倾向于对国有企业实行更优惠的信贷政策，因此，本文预期，相对于民营企业，国有企业所受的融资约束更少。外资企业在融资方面不太受限制，因为它们可以进入国外资本市场进行融资，并且由于拥有母公司的信誉保证，国内的银行也更愿意向它们发放贷款。而民营企业作为中国经济中最大的群体，常常在银行外部融资方面受到歧视。

表9的第(1)列、第(2)列的结果说明了数字金融发展对不同类型企业资产增长率的异质性影响。在回归模型中，本文加入了数字普惠金融指数、外部融资依赖度与非民营企业虚拟变量的三交乘项，同时将所有控制变量都与非民营企业的虚拟变量进行了交乘。回归结果显示，数字普惠金融指数与外部融资依赖度的交互项系数显著为正，而三交乘项的系数都为负，且固定资产增长率的系数在5%的水平上显著，这表明非民营企业受到数字金融发展的影响显著低于民营企业，与本文的预期相符。

表9 企业类型的异质性分析

然而，企业的出口行为也可能通过影响企业的财务健康间接地影响企业生产率。具体来说，研究者们发现，出口企业的财务状况通常比非出口企业更健康。这是可以解释的，因为出口企业可以同时进入国内和国际金融市场，这使得它们能够多样化融资来源并分散相关风险。此外，由于出口企业的绩效同时依赖于国外的市场需求，因此它们受到国内经济周期的影响较低，同时受到由国内紧缩货币政策或经济衰退所导致的融资约束也较少。基于以上原因，相较于非出口企业，出口企业拥有更稳定的现金流，从而受到的流动性约束也更低。因此，本文预期出口企业受到数字金融的影响要小一些。

表9的第(3)列、第(4)列报告了数字金融发展对出口企业资产增长率的影响。本文在回归模型中加入了出口企业虚拟变量的三交乘项，并将所有控制变量都与是否为出口企业的虚拟变量进行了交乘。回归结果表明，出口企业受数字金融发展的影响确实较小。

表9的第(5)列、第(6)列则报告了数字金融发展对老企业资产增长率的影响。本文在回归模型中加入了老企业虚拟变量的三交乘项，并将所有控制变量都与是否为老企业的虚拟变量进行了交乘。研究结果表明，数字金融对企业资产增长的影响不存在企业年龄方面的异质性。

六、结论

本文通过检验一个特定的渠道，研究数字金融发展是否促进了企业的成长，即数字金融发展通过降低企业外部融资成本或降低企业外部融资依赖度，从而促进了企业成长。通过对中国工业企业的调查发现，由于数字金融的发展，所处行业拥有更高外部融资依赖度的企业会比其他企业经历更快速的资产增长，且民营企业和非出口企业的企业资产增长效应更为显著。因此，应当支持数字金融系统的进一步发展，以确保更多的资金流向那些资产增长高度依赖外部资金供应的企业，进而使这些企业能将资金更多地投入可以提高生产力的项目中，促进社会的长期经济增长。

最后，本文针对如何推动数字金融的发展提出以下几点政策建议。第一，继续加强数字金融的基础设施建设，不断开发符合社会需求的新型数字金融产品及服务，提高社会直接融资比例。第二，加强社会征信建设，建立系统全面的企业及个人数字化征信平台，进一步降低金融服务中的交易成本。第三，加强数据共享建设，统一数据标准及统计口径，鼓励利益相关企业积极合作建立数据共享池。第四，加强对数字金融的监管，完善数字金融交易安全、数据安全及隐私保护方面的法律法规，同时对数字金融准入门槛及运营过程进行审慎监管。第五，加强数字金融人才培养，鼓励数字金融的基础研究及技术创新。