金融支持战略性新兴产业发展研究——基于创业板上市公司数据的实证

赵新成，王 宇

（澳门城市大学 金融学院，澳门 999078）

一、引言

近年来，愈演愈烈的逆全球化以及新冠肺炎疫情的冲击，使中国内外部环境不确定因素陡增，战略性新兴产业已经成为实现经济稳增长的重要支撑。加快发展战略性新兴产业有利于经济发展的新旧动能转换，战略性新兴产业起到重要的引领作用。多国发展实践表明，金融资源支持战略性新兴产业的发展可以实现经济的快速增长[1]。由于战略性新兴产业的特有属性，其发展显著依赖金融支持。金融效率的提高对实体经济产出效率起着越来越显著的支持作用[2]。然而，现行的金融体系对于满足战略性新兴产业发展的需求还存在不少问题。很多战略性新兴企业，亟需获得金融资金支持，帮助其发展壮大，但是现有金融体系对其资金支持十分有限。众所周知，中国金融体系发展滞后于市场发展，在向战略性新兴产业配置金融资源时难免存在“所有制歧视、规模歧视”，导致对战略性新兴产业的支持存在功能缺失。许多企业在发展的初期就面临着融资约束，制约了相关产业的发展。“十四五”期间，中国产业结构调整不断深化，战略性新兴产业发展格局也深刻演进，亟待评估当下战略性新兴产业的金融支持效率，探索提升金融支持产业发展的机制优化方向及政策取向，对促进战略性新兴产业高质量发展具有重要的战略意义。

文章对2012—2020 年中国创业板上市公司数据研究发现，战略性新兴产业的金融支持效率在样本年间递增，外部融资对战略性新兴产业发展的边际效应大于内部融资，且这种边际效应具有所有制、企业规模和行业异质性。同时，对金融支持效率的相关影响因素进行了TOBIT 回归分析。文章的边际贡献在于：采用随机前沿法(SFA)估计中国创业板上市公司金融支持效率，随机前沿法考虑了随机冲击对产出的影响；估计了外部融资和内部融资对战略性新兴产业发展的边际效应及金融支持效率的影响因素。这为优化战略性新兴产业发展的金融支持政策及提升金融支持效率提供重要证据。

二、理论分析与研究假设

1.金融支持战略性新兴产业发展的效率分析

金融支持战略性新兴产业发展的复杂性迫使学界首先考察了金融支持效率。在研究金融支持效率的方法上采用DEA 方法以及基于地域战略性新兴产业作为研究对象的文献居多。已有研究证实了战略性新兴产业的金融支持综合效率不高[3]。在地域战略性新兴产业金融支持效率的研究中，京津冀三地区金融支持整体效率呈下降趋势[4]，中国金融在支持七大战略性新兴产业发展过程中的资源配置效率并没有实现最优，而且体现出行业差异[5]。近年来新冠肺炎疫情冲击了宏观供求，对战略性新兴产业发展的金融支持条件和营商环境都造成了深刻影响。尽管在国内外金融市场和产品市场不确定性加大的背景下，中国出台了一系列支持战略性新兴产业的财政金融政策，中国金融资源配置的市场化程度不断提高，但是金融资源供给主体的利益最大化行为必然会在宏观金融的系统性风险的不确定性增强的背景下，对战略性新兴产业的金融支持的规模和成本产生更强约束。外部市场收缩以及国内需求的内生动力不断深刻演变，战略性新兴产业的市场规模和前景也受到更复杂的挑战，因此战略性新兴产业的产出规模和结构也必然因市场需求不断予以调整。战略性新兴产业的金融资源的产出效率承受了愈加明显的压力。因此，文章提出假设：

假设H1：战略性新兴产业的金融支持效率总体不高，呈现下降趋势。

2.金融支持战略性新兴产业的方式分析

金融资源支持战略性新兴产业企业发展的路径主要通过内源性融资和外源性融资。内源性融资主要通过内部资金积累，外源性融资则主要通过股权融资和债权融资。已有研究表明，以银行信贷为主导的间接金融体系对战略性新兴产业产生负向作用，而债权融资对战略性新兴产业的发展起正向的支持作用，但股权融资方式却起负向作用[6]。中国七大战略性新兴产业通过上市进行股权融资有利于战略性产业实现产业价值最大化[7]，而负债融资行为对金融支持效率会产生负面影响[8]。以资本市场为主导的直接金融体系相较之以银行信贷为主导的间接金融体系的正向支持作用更为稳健[9]。基于多国不同金融体系比较的研究表明，较之以银行中介为主的经济体，以证券市场为主的经济体更有利于新兴产业的发展[10]。因此，中国战略性新兴产业的发展需要多层次资本市场的支持，应加大商业银行的信贷支持力度、合理利用股权资本、鼓励战略性新兴企业发行债券、加大政府投入[6]。总体而言，通过外部股权或者债权融资成为金融支持战略性新兴产业发展的关键。内源性融资具有自主性和独立性，以及比外源性融资成本更低等特点，受到企业盈利和自我资本积累的约束，限制了其内部融资规模，过度内源性融资将引起股权收益减少，这降低了公司对外部投资者的吸引力，对外部融资具有负面影响。外源性融资不仅包含直接融资和间接融资的来源方式，在融资性质上还包含股权融资和债权融资，可以选择多种融资期限结构，其资金来源更为广泛。对战略性新兴产业发展而言，外源性金融支持成为支持产业发展的重要条件，是比内源性融资更为关键的金融支持途径。因此，文章提出研究假设：

假设H2：外源性融资比内源性融资对战略性新兴产业具有更大的支持作用。

3.战略性新兴产业金融支持效率的影响因素分析

战略性新兴产业既具有支柱意义也具有产业的未来性，因此研发创新成为战略性新兴产业的关键属性。企业研发有利于提高企业生产效率降低生产成本，产品与工艺的创新促进企业市场效益的提升，有利于提升企业质量，无论内部融资或外部融资都将因为企业研发创新而得到改善。企业创新的资金需求和投资者追求高回报、承担高风险的激励相一致，创新企业通过股权融资往往更易获得资金，有利于提高企业的金融支持效率[11]。一般而言，大企业在金融市场具有更大的融资优势，在获得金融支持的规模、成本等方面具有更强的议价能力，有利于大企业优化融资结构降低融资成本。有研究表明信贷寻租加剧了中小企业的融资约束对其创新的抑制作用[12]。因此，可初步假设企业规模与金融支持效率存在正向关系。绿色信贷要求金融资源配置遵循资源节约、保护环境、促进生态文明建设和经济发展方式转变的原则。绿色信贷显著减少污染排放，促进经济结构向资源节约型、环境友好型方向转变，是微观主体高质量发展的必然内涵。绿色金融发展既能产生直接的投资增长效应，促进绿色企业投资，又能通过对企业债务期限结构的偏向效应，缓解期限错配问题，产生间接的投资增长效应[13]。控股股东的持股比例会产生公司治理的正向激励效应，持股比例的增加会降低过度投资程度、增加企业价值和降低负债融资代理成本[14]，因此股权集中有利于企业投资效率。企业总资产周转率反映企业资产的经营质量和利用效率，是评价公司资产运营的重要指标。一般而言，周转率越低，企业投资效率越差，直接影响企业的获利能力；周转率越高，企业的盈利能力越强，反映了企业的投资效率越高。富有效率的高管股权激励制度有利于缓解管理层持股所产生的堑壕效应和基于委托代理关系的道德风险，股权激励政策有利于缓解中国企业融资约束[15]，改善企业融资环境。

以企业资产负债率表示的资产结构对企业获得外部金融支持具有复杂的影响。但是一般而言，企业的资产负债比例在适宜的范围内，有利于企业发挥杠杆效应实现投资收益的最大化。从外部投资人角度看，企业的资产负债比例过高将抑制外部金融支持，不利于企业投资。企业的股权性质对金融支持效率具有影响，国有企业不断获得扶持性信贷补贴，而非国有企业的信贷资源则被相应挤出[16]。由于国有企业投资过度现象较为严重，而民营企业投资不足现象较为严重[17]，因此国有企业因过度投资而不利于金融支持其发展的效率，民营企业提升投资水平则有利于其金融支持的效率。此外，一年期利率水平通常表明市场融资的成本。利率升高既增加了企业融资压力，也缓解了企业的过度投资，其对战略性新兴产业的企业融资而言具有影响。一般而言利率的提高意味着宏观货币政策的收紧不利于企业获取金融支持。根据以上分析，文章提出研究假设：

假设H3a：研发创新、企业规模、绿色信贷、股权集中度、总资产周转率、高管持股比例与金融支持效率存在正向关系；

假设H3b：企业的资产负债率、国有产权性质、利率水平与金融支持效率存在反向关系。

三、研究设计

1.数据来源

文章采用2012—2020 年中国创业板上市公司数据。数据来源于希施玛数据库。创业板上市公司对战略性新兴产业具有极好的代表性，高科技公司众多，主要包括信息技术产业、软件产业、高端装备产业、通用装备产业、医药产业、制造业、环境保护产业、专业技术服务产业等。由于不少公司的2021年财务报表尚未公开，样本期间截止到2020 年。

2.变量定义

（1）金融投入和产出变量

金融投入、产出变量选择与同类研究保持一致，即投入变量包含了外源性融资和内源性融资。外源性融资包括长期借款、短期借款、股本和资本公积。内源性融资包括盈余公积和未分配利润。产出变量采用企业的营业额。

（2）金融支持效率的影响因素

企业研发力度(Z1)：研发投入资金占销售额的比重。企业规模(Z2)：以企业的总资产额衡量。融资结构(Z3)：资产负债率（负债合计/资产总计）。绿色信贷(Z4)：全社会绿色信贷余额。股权集中度(Z5)：第一大股东持股比例。股权性质(Z6)：根据希施玛数据库对企业股权性质的记录分为国有性质和非国有性质。总资产周转率(Z7)：营业收入/资产总额期末余额。高管持股比例(Z8)：高管持股数/股本数。一年期贷款利率(Z9)：1 年期银行短期贷款利率，既可以反映当期金融市场的松紧特征也可以衡量企业融资成本与约束。企业规模、绿色信贷两个变量取其对数值纳入回归。

变量的描述性统计见表1。由于SFA 模型允许非平衡面板数据，因此文章无须剔除部分变量有残缺值的记录。从变量统计结果来看，企业规模和股权集中度的变异偏大，其他变量总体平稳。

表1 变量描述性统计

3.模型构建

（1）SFA 模型构建

根据文章研究需要，金融投入变量包括外源性融资和内源性融资，产出变量为企业的营业额。考虑到面板数据在统计期间技术效率很可能随时间而改变，假设无效率项随企业个体与时间而变。构建如下SFA 模型：

模型(1)中，i和t分别表示第i个企业和第t年度。lnsaleit表示企业营业收入的对数。lninfinit表示企业内源性融资对数。lnexfinit表示企业的外源性融资的对数。Ti为企业i的时间维度，η 为待估参数。当η 显著不为0 时，即发生了技术衰变，当无效率项uit变化时，产出前沿本身也可能发生变化，应当采用时变SFA 估计效率；如果η 估计结果拒绝原假设“H0:η=0”，则采用非时变SFA 进行估计。模型(2)的uit为无效率项，服从断尾正态分布，反映企业i在t时间离效率前沿的距离。显然，uit越接近0，企业的效率越高。vit为非系统性误差，其反映外部随机冲击导致的误差。模型(3)表示无效率项在复合扰动项(εit=uit+vit)中的比重(γ)，依此判断采用SFA 模型的有效性。在实证检验的过程中，如果γ→0，随机扰动项vit决定复合扰动项，技术无效率项uit对复合扰动项的影响小。如果γ→1，则说明实际产出与效率前沿的距离越大，由于无效率项产生，此时采用SFA 模型是必要的。效率计算则采用BC92 模型[18]：

（2）金融支持效率的影响因素估计模型

由于金融支持效率属于限值变量，且采用面板数据，宜采用TOBIT 模型进行回归。据此，设置如下估计模型：

上式中，TEit为金融支持效率值，δ0为截距项，δn为各影响因素的待估系数，φi为个体效应，ωit为随机扰动项。i表示第i个企业，t表示年份，n表示第n个影响因素。影响因素分别为研发力度(Z1)，企业规模(Z2)，融资结构(Z3)，绿色信贷(Z4)，股权集中度(Z5)，股权性质(Z6)，总资产周转率(Z7)，高管持股比例(Z8)，一年期贷款利率(Z9)。企业规模、绿色信贷两个变量取其对数值纳入回归。采用随机效应TOBIT 模型的必要性，可通过检验“H0:σφ=0”来判断是否存在个体效应。如果拒绝该原假设则认为存在个体随机效应，应该使用随机效应TOBIT 模型。

四、实证分析

1.金融支持效率分析

通过对效率的测算绘制了效率变化趋势图，如图1。战略性新兴产业企业的金融支持效率在样本时间跨度的2012—2020年总体呈现上升趋势。需要特别指出的是，由于内源性金融支持、外源性金融支持都采用了滞后一阶数据，因此测算效率不包含2012 年。在2013 年，金融支持效率值为0.615。之后的各个年度金融支持效率总体不断上升。其中2015 年上升幅度最大，从2014 年的0.631 上升至2015 年的0.669。之后各年度的增幅各有差异，但保持了递增趋势。2020 年在深受新冠肺炎疫情冲击的影响下，战略性新兴产业企业的金融支持效率仍然保持了递增，达到样本期最高的0.714。这证实了研究假设H1。中国资本市场改革不断深化，战略性新兴产业企业融资机制和路径不断得到优化，金融支持的规模不断扩大，金融支持的方向也有着显著的改进。多层次资本市场建设稳步推进，战略性新兴产业企业的融资方式也大为拓宽，不断满足其融资需求，有力推动了战略性新兴产业的发展。

图1 全样本金融支持效率

2.回归结果分析

文章使用STATA15.0 进行回归分析，回归结果如表2 所示。从表2 中的γ结果看，无效率项在复合扰动项中占比达77%，应采用随机前沿模型。表中η值为-0.0192，在1%水平显著为负值，表明在样本期间无效率项随着时间的变化而发生了改变，即存在时变衰减效应。采用加入时间虚拟变量的时变SFA 模型进行回归是必要的。η为负值表明在样本期间发生了无效率项的衰减，即效率值递增。从前面的统计结果可以确认样本期间的金融支持效率总体上呈现递增趋势，而且是逐年递增。LR 检验结果表明模型拟合效果良好。

表2 显示内源性金融支持对战略性新兴产业的支持系数为0.259，表明内源性金融支持增加1%将对战略性新兴产业企业的营业收入提升0.259%。外源性金融支持战略性新兴产业发展的系数值为0.392%。表明外源性金融支持增加1%对战略性新兴产业企业的营业收入可提升0.392%。通过对比外源性金融支持和内源性金融支持的系数值可以发现，外源性金融支持对战略性新兴产业企业的业绩增长具有更大的边际效应。因此外源性融资比内源性融资对产业产出具有更大的支持作用，这证实了研究假设H2。外源性融资包含了长期借款、短期借款、股本和资本公积，由此可见，无论外部债权融资或是股权融资，投资人都对企业进行监督和关注业绩。债权资本的出资方关注企业的资金使用方向索取固定的债权利息，股权资本出资方在经济效益方面则关注股权收益。这对企业施加了提高资本利用效率的外部压力，有利于企业金融支持效率的改善。相比较而言，内部金融支持主要包含了企业的盈余公积和未分配利润。这两部分资本的运用则无需面临更多的外部压力。因此，企业更加审慎的外源性融资使得其对企业收入的边际作用高于内源性融资。

表2 全样本时变SFA 回归结果

3.影响因素分析

表3 显示了影响金融支持效率的因素估计结果。首先表格底部的LR 检验P 值表明强烈拒绝个体随机效应为0 的原假设，因此采用随机效应TOBIT 模型是必要的。Wald 检验结果表明估计结果良好。在TOBIT 估计后通过边际计算求得了各因素的边际效应数值，见表3 第2 列。

表3 随机效应TOBIT 估计结果

研发力度与战略性新兴产业的金融支持效率存在显著的正向关系。企业研发创新属于战略性新兴产业的重要特征，研发力度的提高有助于其金融支持效率的提升。企业规模与金融支持效率存在显著的正相关关系，企业的规模越大越有利于金融支持效率的提升。与文章前述的大企业在总体上比中小企业拥有更高的金融支持效率是一致的。资产负债率与战略性新兴企业的金融支持效率存在显著的负向关系。资产负债率增加1%会引起金融支持效率下降1.74%。社会绿色信贷余额的估计值显著为正值。绿色信贷对战略性新兴产业金融支持效率的边际影响为0.22%。绿色信贷在资本配置中考虑了环境因素，贷款门槛更高，有利于促进微观主体的绿色可持续发展，绿色可持续发展是战略性新兴产业高质量发展重要内涵。公司的股权集中度与金融支持效率存在显著的正向关系，第一大股东持股比例增加1%引起金融支持效率提升0.07%。企业的国有股权性质与金融支持效率的系数为负值，表明非国有企业比国有企业有更高的金融支持效率，后文在企业的股权性质异质性分析中证实了非国有企业金融支持效率总体高于国有性质的企业。总资产周转率的估计结果在1%水平显著为正值，资产投资收益越好的企业金融资源的内部配置效应越高，即金融支持效率越高。高管持股比例的估计结果显著为正值，表明企业对高管的股权激励的力度越大越有利于金融支持效率的提升。股权激励有利于管理人提高经营管理水平，从而提高投资收益。一年期利率水平的估计结果为负值，但未通过显著性检验。综上，研发创新、企业规模、绿色信贷、股权集中度、总资产周转率、高管持股比例与金融支持效率存在正向关系，企业的资产负债率、国有产权性质、利率水平与金融支持效率存在反向关系。这证实了研究假设H3。

五、异质性分析

1.股权性质及规模异质性分析

国泰安数据库记录了企业的股权性质，据此可以把样本划分为国有企业和非国有企业。因此，文章借鉴邹国平等[19]的研究方法，将企业规模降序排列后，把规模处于前40%的定义为大企业，余下60%的企业定义为中小企业。

依据企业股权性质和规模对样本进行分类后，计算国有股权性质、非国有股权性质、大企业、中小企业的金融支持效率。在样本期间其金融支持效率如图2 所示。第一，国有股权性质的企业其金融支持效率在样本期间呈现总体下降的趋势。一方面，在中国金融市场上国有性质的企业其融资往往具有相当大的所有制优势，获得金融支持的规模、融资成本、融资渠道等都具有非国有性质企业所不可比拟的便利。另一方面，资本运营的监督机制对国有性质企业还不够完善，导致金融支持效率不高。第二，非国有企业的金融支持效率在样本期间呈现逐年递增的趋势。尤其在2014—2016 年期间有较为明显的效率提升。中国金融市场改革中，逐步消除所谓的所有制歧视，为非国有企业提供更加公平的融资环境，这种改革的效应正在显现。非国有企业的融资条件更加公平便利激发了市场主体的融资积极性和经营动力，在市场机制主导金融资源配置的过程中促使非国有企业更加注重提升金融资本的使用效率。第三，大企业的金融支持效率在样本期间呈现逐年递增的趋势。一般而言大企业在金融市场具有更大的融资优势，在获得金融支持的规模、成本等方面具有更强的议价能力，有利于大企业优化融资结构并降低融资成本。另一方面，战略性新兴产业的大企业具有一定规模后能够发挥其生产的规模效应，取得更优的产业业绩。第四，金融市场对中小企业金融支持效率的下滑，应当引起重视。中小企业不具有大企业的资产优势，意味着其融资抵押资产能力有限以及在金融市场上的议价能力不足，不利于外源性融资，加剧了金融支持中小型战略性新兴企业的困境。事实上，战略性新兴产业的发展初期对资本投入的需求更强，对中小型战略新兴企业早期发展的金融支持显得尤为重要。

图2 股权性质及规模异质性分析

表4 显示了企业特征异质性的估计结果。从回归结果来看，无论国有企业、非国有企业、大企业、中小企业，其外源性融资回归系数都大于内源性融资系数，表明外源性融资的边际效应都高于其内源性融资。其中，国有企业外源性金融支持的边际效应大于非国有企业，而非国有企业的内源性金融支持的边际效应大于国有企业。一般而言国有企业在外源性融资较非国有企业具有优势，其产出对外源性金融支持更加敏感。非国有企业的内源性金融支持比国有企业对产出的弹性更大。对于中小企业而言，其内源性金融支持和外源性金融支持对产出的弹性都分别大于大企业。这反映了中小企业产出对内外部融资的敏感性更大，更加重视资金的配置效率，表明了其融资环境与大企业相较较为恶劣。

表4 股权性质及规模异质性时变SFA 估计结果

2.产业异质性分析

依据希施玛数据库对企业所属产业进行分类，在样本数据中，企业数量占比最大的七个产业分别为：计算机，包含计算机、通信和电子设备制造业和互联网；软件，包含软件和信息技术服务业；普通制造业，包含通用设备制造业、橡胶和塑料制品业、化学原料及化学制品制造业、食品制造业；专用装备制造业，包含专用设备制造业、电气机械及器材制造业、仪器仪表制造业、汽车、铁路、船舶、航空航天和其他运输设备制造业；专业技术服务业；生态保护和环境治理业；医药制造业。

接下来，主要分析以上产业分类估计效率异质性，根据各产业的金融支持效率的计算结果可知，计算机行业的金融支持效率在样本期间有上升也有下降，但总体表现出下降的趋势。2020 年的金融支持效率为0.685。软件行业的金融支持效率在样本期间也有所起伏，但总体趋势是上升的，在2020 年其金融支持效率达到0.705。普通制造业的金融支持效率总体是上升的，高端装备制造业的金融支持效率在2017 年前缓慢增长，之后则迅速提升，至2020 年达到0.739。专业技术服务业的金融支持效率在2018 年前持续上升，其中2014—2016 年表现出快速提升的态势。生态环境产业的金融支持效率在样本期间总体下降。医药行业的金融支持效率在样本期间总体上升。在新冠肺炎疫情全球冲击下，资本配置流向医药行业的动力增加，有利于该行业的融资。综上分析，金融支持效率的行业异质性显著分化。

综上，文章对行业异质性的SFA 估计结果予以分析。回归结果如表5 所示。对于计算机产业、软件产业、普通制造业、专用装备制造业其外源性融资系数都高于内源性融资系数，表明这些产业的外源性融资对产出的弹性更大。对于专业技术服务产业、生态环保产业和医药产业其内源性融资系数高于外源性融资系数，表明这三大产业的产出对内源性融资更加敏感，即内源性融资对产出的影响更大。如计算机产业外源性融资每提高1 个百分点，比内源性融资对产出的影响高出0.272 个百分点。软件产业外源性融资每提高1%，比内源性融资对产出的影响高出0.047 个百分点，这种差别相对较小。同样对于普通制造产业、专用装备制造产业这种差别也相对较小。

表5 行业异质性时变SFA 估计结果

六、研究结论与建议

文章使用中国创业板上市公司2012—2020 年度数据，基于SFA 模型研究了战略性新兴产业金融支持效率。采用TOBIT模型分析了金融支持效率的影响因素。主要结论有：第一，中国战略性新兴产业金融支持效率在样本期间总体呈现上升趋势。2020 年因各种不确定因素的影响，该效率依然升至0.714的新高点，表明中国金融市场对战略性新兴产业发展的支持具有韧劲。第二，战略性新兴产业的外部金融支持大于其内部金融支持。外源性融资成为战略性新兴产业发展的关键。第三，企业研发、企业规模、绿色信贷、股权集中度、总资产周转率、高管股权激励显著促进了金融支持效率。资产负债率、股权国有性质与金融支持效率显著负相关。第四，国有企业金融支持效率明显低于非国有企业。大企业金融支持效率明显高于中小企业。样本期间国有企业及中小企业的金融支持效率总体上小幅度下降，非国有企业及大企业的金融支持效率总体呈现明显上升。计算机产业、生态环保产业的金融支持效率在样本期间总体下降。软件产业、普通制造产业、专用装备制造产业、专业技术服务产业、医药制造产业的金融支持效率在样本年间总体上升。

根据以上研究结论，文章得出如下启示：

第一，优化战略性新兴产业外部融资环境和融资机制。深化金融改革，推进多层次资本市场建设促进金融支持战略性新兴产业发展的效率。拓宽战略性新兴产业融资渠道，支持企业赴港融资，通过“深港通”“沪港通”及场外融资机制为战略性新兴产业企业融资提供便利条件。

第二，鼓励金融资本供给主体创新金融服务满足战略性新兴产业产差异化的融资需求。战略性新兴产业企业融资需求具有异质性，提高战略性新兴产业的金融支持效率须考虑企业异质性及多种影响因素，创新金融产品、设计有效的政策组合。

第三，在逆全球化愈演愈烈的背景下，政府更应发挥对战略性新兴产业投资引导和支持职能，优化产业支持政策及政策性金融服务，引导金融资源配置倾向战略性新兴产业，支持和引导当地支柱和新兴产业，以创新驱动产业发展和壮大战略性、支柱性和被“卡脖子”的产业。