数字金融能缓解企业投融资期限错配吗

李 佳，段舒榕，吴耸杰

(山东师范大学经济学院，山东 济南 250358)

一直以来，长期投资是推动企业存续与发展、拉动经济增长的重要因素，但《金融机构贷款投向统计报告》显示，银行中长期贷款占比普遍不高(1)人民银行发布的年度《金融机构贷款投向统计报告》显示，2010年银行中长期贷款所占比重为60.29%，2020年为59.78%。，可见企业存在大量由短期融资支持长期投资的行为[1]。经典公司金融理论认为，投融资期限匹配倡导企业短期资产由短期资金筹集，长期资产由长期资金支撑[2]，而在“融资难、融资贵”背景下，企业不得不采用短期负债支持长期投资，引发了资产与负债的期限错配(即“短贷长投”)[3]。这虽然有助于企业缓解融资约束，但也加剧了偿债压力与经营风险[1]。近年来，投融资期限错配不仅导致大量企业陷入财务困境，也成为系统性风险的重要根源。深度剖析企业投融资期限错配的缓解途径，不仅符合金融服务实体经济的时代要求，对于进一步深化金融供给侧结构性改革，降低宏观系统性金融风险也具有重要意义。

当前，以数字金融为代表的新兴金融业态拓展了金融服务边界，改善了借贷双方的信息不对称，为缓解企业融资困境与提供便捷高效的金融服务创造了空间[4]，而且数字金融也拓宽了企业的资金选择范围，提升了企业获得长期资金的概率[5]。在此背景下，本文主要回答如下两个问题：数字金融能否缓解企业投融资期限错配？若能缓解，影响机制如何？

本文探讨了数字金融对企业投融资期限错配的影响。本文可能的边际贡献在于：第一，在借鉴大量文献从宏观经济、金融制度和企业治理行为等视角揭示企业投融资期限错配影响因素的基础上，本文进一步基于数字经济迅速发展的背景探究企业投融资期限错配的变化，为优化企业投融资期限结构提供了新思路。第二，本文将企业“短贷长投”与数字金融相结合，探讨数字金融影响企业“短贷长投”的具体机制，力求拓展数字金融影响效应的研究视域，并凸显数字金融的学术和现实价值。第三，本文结论为推动企业资源合理配置及挖掘数字金融的经济潜能等具有一定参考价值。此外，本文基于企业微观数据，从多维度捕捉了相应的异质性特征，对行业、区域、治理水平等差异进行深入探讨，不仅丰富了研究结论，也使对策建议更具针对性。

一、文献综述、理论分析与假设提出

(一)文献综述

1.关于数字金融功能效应的相关研究。早期针对数字金融的研究主要聚焦于数字金融的功能效应[5]，比如数字金融降低了金融交易成本，拓宽了金融服务边界，同时依托先进信息技术，数字金融能够精准分析微观信息，以降低交易双方的信息不对称，缓解企业融资约束[6]，提升资源配置效率[7]。此外，迅速发展的数字金融不仅挤占了银行存款业务，导致银行存款的分流，其低成本与广覆盖等特征也不断侵占银行信贷业务[8]，削弱了银行信用中介的功能优势。

同时，数字金融的发展亦内生于实体经济需求，其对实体经济的影响也受到学术界广泛关注，已有文献主要从三个维度展开研究：宏观层面，数字金融有效推动了产业结构升级与包容性增长[9][10]；区域层面，数字金融能够对区域创新产生激励效应[11]；微观层面，数字金融对私人借贷产生了有益影响[12]，并显著提升了企业创新水平与全要素生产率[13][14]。

2.关于企业投融资期限错配影响因素的研究。投融资期限错配的根源是金融市场发展滞后导致的金融制度缺陷[3]。国内企业的“短贷长投”主要表现为应对金融抑制的替代性机制[1]，同时“短贷长投”也可能加剧企业经营风险[15]。为此，多数学者以金融制度缺陷为切入点，认为提高货币政策适度水平[1]与产融结合[15]等可以缓解企业投融资期限错配。此外，也有文献基于企业自身特征研究投融资期限错配的影响因素，比如管理层的非理性因素[16]、家族控制权的“侵占效应”与董事高管责任保险[17]等。

当然，现有文献也存在需要拓展的方向：一是数字金融的功能效应能否作用于企业投融资期限错配，需要深入分析；二是针对企业投融资期限错配影响因素的研究视域，需要基于数字金融的功能效应进行延伸，而且数字金融与企业“短贷长投”的关系是否存在异质性特征，也需要予以明确和研究。为此，本文基于数字金融的功能效应，详细探讨数字金融与企业投融资期限错配的关系。

(二)理论分析与假设提出

1.数字金融与企业投融资期限错配的基本关系。经典公司金融理论认为，企业资产期限应当与债务期限匹配，以规避债务代理成本与流动性风险[2]。现实中，银行贷款是企业融资的主要途径[1]，基于风险管理的考虑，发放短期贷款有助于银行应对监管考核，因而银行发放短期贷款的意愿高于长期贷款，导致企业长期投资不得不依靠短期融资[18]，由此产生投融资期限错配的“短贷长投”行为。数字金融的本质在于提升金融资源配置效率，能够改善企业融资环境，增加企业获得长期资金的可能性。首先，投融资期限错配的根源在于企业融资需求无法有效满足，而数字金融打破了金融服务的空间限制，有助于资金在更宽范围内调配，为企业获得长期资金创造了空间；其次，数字金融能够挖掘传统信息披露方式无法获得的客户信息，有助于银行打造先进的信息系统以强化外部风险评估[19]，伴随信贷风险的下降，银行提供长期贷款的意愿也会增强；最后，数字金融衍生的众多新型数字化场景，有助于吸引更多中小投资者的资金，丰富了传统银行信贷之外的融资渠道[20]。同时，利用数字技术迅速发展的趋势，银行也实现了数字化转型，形成了简易化的信贷交易流程，这都为银行增加长期信贷提供了可能。为此，本文提出研究假设：

H1：在其他条件不变的情况下，数字金融的发展会改善企业投融资期限错配。

2.数字金融对企业投融资期限错配的间接影响。数字金融的发展为企业融资纾困提供了新的契机，其信息甄别优势也提升了资金供求双方的信息对称度，拓宽了微观主体的融资渠道。接下来，本文基于融资约束和信息不对称等维度分析数字金融对企业投融资期限错配的影响机制。

(1)数字金融的广泛运用延伸了金融体系的触达边界，拓宽了企业融资来源，降低了企业融资约束[7]。一方面，数字金融与银行业务的广泛融合，使银行能够充分利用先进的信息化、数字化技术对业务模式、服务与流程进行优化，并对企业风险进行精准评估，因而提高了供给长期资金的意愿；另一方面，数字金融克服了传统融资模式无法满足长尾企业资金需求的缺陷，使多数企业都有机会享受数字化融资服务，而且融资双方通过数字金融平台即可实现自发匹配，这不仅惠及了更多尾部群体，也提升了企业获取融资的概率，降低了融资约束。总之，数字金融延伸了金融服务的通达范围，使有融资需求的企业能够更加便利地获得资金，有助于融资约束的缓解。

当前，融资约束成为企业投融资期限错配的重要原因，而数字金融不仅优化了银行信贷结构，提升了银行供给长期信贷的偏好，更为企业提供了除银行信贷之外的融资渠道，使企业能够基于自身融资需求选择不同期限的融资方式。可见，借助数字金融的发展，企业不仅缓解了融资约束，也获得了促进资产和负债期限更为匹配的空间，因而改善了投融资期限错配。

(2)数字金融的发展提高了资金供求双方的信息对称度。第一，信息不对称程度越高，银行越倾向于发放短期贷款[21]，而数字金融的发展能够缓解银企之间的信息不对称，打造智能化的信用评估系统[22]，对企业未来还贷能力、经营状况、发展潜力进行精准评估[23]。第二，互联网和大数据等新兴技术不仅拓宽了资金供给者获取信息的渠道，还能够挖掘传统信息披露方式无法获得的客户信息，这不仅降低了资金供求双方的信息不对称，也提高了融资成功的概率。第三，数字金融的发展也有利于信息在融资市场中实现共享，有融资意愿的企业可以借助数字金融平台披露高质量的信息，主动减少与银行等金融机构的信息不对称。

企业作为融资市场上的劣势方，其信息质量会影响信贷可得性，而且信息不对称的存在使银行等金融机构更倾向于提供短期贷款[1]。信息透明度是金融机构提供融资与控制风险的重要参考[22]，只有信息披露质量提升，银行才愿意提供长期融资[24]。鉴于此，借助数字金融的信息披露系统，企业能够提升自身信息透明度，从而降低融资双方的信息不对称，增加获取长期融资的概率[25]。因此本文认为，数字金融可以通过提升信息披露质量，缓解企业投融资期限错配。

鉴于此，本文进一步提出研究假设：

H2：数字金融主要通过降低融资约束与提升信息披露质量，从而改善企业投融资期限错配。

二、研究设计

(一)数据来源

本文研究样本主要来自：(1)北京大学数字金融研究中心发布的数字普惠金融指数；(2)中国A股上市公司数据(2011—2020年)来源于国泰安数据库。本文剔除了金融类、ST及*ST、连续亏损、主要变量存在缺失的企业样本，并对连续变量进行双侧1%的缩尾处理。本文根据上市公司注册地信息，将上市公司数据与地级市层面数字金融数据进行匹配。

(二)模型构建与变量说明

本文构建基准实证模型如下：

SFLIi,j,t=α0+α1Indexj,t+αControlsi,j,t+θ+δ+γ+εi,j,t

(1)

其中，SFLIi,j,t为企业i在第t年的“短贷长投”行为，Indexj,t表示企业i所在城市j在第t年的数字金融发展水平。Controls是一系列控制变量。为了避免企业、行业及宏观经济变化等遗漏变量的影响，本文分别控制了城市(θ)、行业(δ)与年份(γ)固定效应，ε是随机误差项。为了确保估计结果的可信度，将标准误同时聚类至行业和年份。

1.被解释变量：“短贷长投”。参考赖黎等(2019)[17]的思路，将“短贷长投”(SFLI)定义为“购建固定资产等投资活动现金支出-(长期借款本期增加额+本期权益增加额+本期经营活动现金净流量+本期出售固定资产现金流入)”，并利用上一年度总资产剔除规模效应，该值越高，说明企业投融资期限错配越严重。其中，长期借款本期增加额以“本期长期借款+本期一年内到期非流动负债-上一期长期借款”来衡量。此外，与陈晓辉等(2021)[26]的做法一致，本文也设置了“短贷长投”虚拟变量(SFLI_DUM)，若SFLI>0，表明企业存在“短贷长投”行为，此时SFLI_DUM取值为1，否则为0。

2.核心解释变量：数字金融。借鉴万佳彧等(2020)[4]的研究，采用北京大学数字金融研究中心发布的数字普惠金融指数(Index)进行分析。第一，该指数由海量微观金融数据搭建而成，能够全面客观评价各地区数字金融发展程度；第二，该指数可细化为覆盖广度、使用深度和数字化程度等维度，能够集中体现数字金融的服务门槛和成本、资金供给能力及金融服务的技术化水平[27]；第三，多数研究中，企业信息披露质量改善与融资约束缓解所依赖的数字金融环境实质也是基于该指数所描绘的数字金融发展水平[4][7][27]。具体到本文，针对企业投融资期限错配的研究，事实也是探讨企业资金配置问题，为此采用北京大学数字金融研究中心发布的数字普惠金融指数进行分析。

3.控制变量。参照已有文献[1][17][26]的做法，本文还选取了可能影响企业“短贷长投”行为的控制变量，主要包括资产报酬率(ROA)、资产负债率(Lev)、托宾Q值(Tobin-Q)、企业成立年限(Age)、长期借款(Loan)、资产流动性(Liquidity)、现金余额(Cash)和产权性质(State)。变量说明见表1。

表1 变量说明

三、基准实证结果与分析

(一)数字金融与企业“短贷长投”的基本关系

表2汇报了基准估计结果。第(1)列未加入年份、行业与城市固定效应，数字金融(Index)系数显著为负，说明数字金融有效缓解了企业投融资期限错配，即数字金融的发展改善了企业“短贷长投”。第(2)列加入了年份、行业与城市固定效应，第(3)列将标准误同时聚类于行业和年份，数字金融(Index)系数亦显著为负。表2结果证实了基准假设H1的合理性。

表2 基准回归结果

(二)内生性处理：工具变量回归

为了规避数字金融与企业投融资期限错配之间的“双向影响”，以及遗漏变量干扰可能导致的内生性问题，本文参考黄群慧等(2019)[28]的思路，选取各城市1984年每百万人固定电话数量(Phone)作为数字金融的工具变量。一方面，互联网走进大众视野基本从电话线拨号开始，因此历史上固定电话数量与互联网技术及数字金融的发展存在紧密关系，以1984年每百万人固定电话数量作为数字金融的工具变量能够满足相关性要求；另一方面，历史上固定电话数量仅能通过数字金融的发展作用于当前企业的“短贷长投”行为，因而以1984年每百万人固定电话数量作为数字金融的工具变量也符合外生性要求。在具体处理中，各城市1984年每百万人固定电话数量来自《中国城市统计年鉴》，本文将上述数据手工整理后与企业数据匹配，并进行2SLS估计。

表3第(1)列Phone系数显著为正，第一阶段F值远大于经验值10，表明1984年每百万人固定电话数量与数字金融高度相关，第(2)列Index系数显著为负，说明进行内生性控制后，数字金融对企业“短贷长投”依然存在抑制作用。为了进一步验证工具变量的外生性，本文汇报了Kleibergen-Paap Wald 统计量和Kleibergen-Paap LM统计量，其对应的概率值(P值)小于1%，并将第二阶段回归残差和工具变量分别作为被解释变量与解释变量，判断工具变量能否对残差产生影响。第(3)列的工具变量系数估计值不显著，说明工具变量对残差不具有解释效力。这些结果均证明本文选取的工具变量能够满足外生性。表3结果说明控制内生性后本文结论依旧稳健。

表3 内生性处理

(三)其他稳健性检验(2)限于篇幅，具体结果未报告，作者备索。

为了保证结果可信，本文也进行了其他稳健性检验：一是更换核心解释变量。选取数字金融的覆盖广度、使用深度和数字化程度进行检验。二是更换被解释变量。分别界定企业“短贷长投”虚拟变量(SFLI_DUM)与短债长用(LS)变量，其中短债长用(LS)为“短期负债与总负债之比-短期资产与总资产之比”。三是更换样本集。考虑到国家计划单列市享有省一级经济管理权限，同时，杭州市的数字金融指数高于其他地区，因此在样本中剔除国家计划单列市和杭州市。稳健性检验结果显示，本文基准结论保持不变。

四、异质性分析与影响机制探讨

(一)异质性分析

1.基于金融发展程度的异质性分析。地区金融发展程度越高，企业获得长期融资的概率也越高。同时，在金融发展程度较高的地区，传统金融机构与数字金融能够实现更高程度的融合，不仅提高了传统金融机构的资金供给和信息处理能力，数字金融功能的发挥效率也会提升。因此，本文认为在金融发展程度较高的地区，数字金融对企业“短贷长投”存在更大的缓解效应。借鉴张宽和黄凌云(2019)[29]的研究，选取地区银行年末存贷款余额与地区GDP之比衡量地区金融发展水平，并根据中位数将样本划分为金融发展程度高组和低组。表4第(1)、(2)列显示，Index系数仅在金融发展程度高组显著为负，由此验证了上述推论。

2.基于行业的异质性分析。制造业具有长期资金需求量大的特点，但由于长期投资风险高，银行一般倾向于降低对制造业的长期资金供给，因此制造业具有更加严重的投融资期限错配问题。而依托数字金融平台，银行能够精确获取制造业企业信息，并增加对制造业提供长期资金的偏好。为此，数字金融的发展应当更有利于缓解制造业企业的“短贷长投”。本文根据行业分类和代码提取出制造业与服务业子样本。表4第(3)、(4)列显示，Index系数仅在制造业样本中显著为负，符合上述推论。

3.基于区域的异质性分析。相比中西部地区，东部地区经济发展和数字金融发展水平更高，本文根据企业所在省份将样本划分为东部和中西部地区两个子样本。表4第(5)、(6)列显示,Index系数仅在中西部地区显著为负，说明数字金融对中西部地区企业投融资期限错配产生了抑制效应。

表4 异质性分析(一)

4.基于企业成长性的异质性分析。对于成长性较高的企业，发展过程中可能面临更多的不确定性，具有更高的经营风险和信用风险，一般在融资市场中处于劣势地位，并面临更加严重的资金困境[28]，投融资期限错配程度也更高。本文认为，数字金融的发展应当更有助于缓解成长性较高企业的投融资期限错配。借鉴李明明和刘海明(2022)[30]的研究，选取销售收入增长率衡量企业成长性，并根据中位数将样本划分为企业成长性高组和低组。表5第(1)、(2)列显示，Index系数仅在企业成长性高组显著为负，即数字金融的发展更有助于缓解成长性较高企业的投融资期限错配，由此验证了上述猜想。

5.基于治理水平的异质性分析。具有较高治理水平的企业更容易获得长期融资，本文推测数字金融更易降低治理水平较低企业的“短贷长投”。参考陈晓辉等(2021)[26]的做法，纳入第一大股东持股比例、前十大股东持股比例、独立董事比例、董事会规模、机构投资者持股比例、高管持股比例、前三名高管薪酬等七个变量，采用主成分分析法获取治理水平指标，并根据中位数将样本划分为治理水平高组和低组。表5第(3)、(4)列显示，在治理水平低的样本中，Index系数更为显著，由此验证了上述推论。

表5 异质性分析(二)

(二)影响机制探讨

第一，借助信息搜集、甄别、处理等功能，数字金融能够缓解企业与银行之间的信息不对称，提升资金供给者提供长期融资的偏好。参考陈大鹏等(2019)[31]的做法，基于DD模型测算盈余质量作为企业信息披露质量的代理变量，计算公式如下：

TAi,t/Asseti,t-1=λi,t+λ1/Asseti,t-1+λ2CFOi,t-1/Asseti,t-1+λ3CFOi,t/Asseti,t-1+λ4CFOi,t+1/Asseti,t-1

其中，TA、Asset、CFO分别为企业应计利润、年末总资产、经营活动产生的现金流量净额。企业信息披露质量用上式回归结果的残差(Inf)表示，数值越大代表企业信息披露质量越差。

表6第(1)列Index系数显著为负，即数字金融提高了企业信息披露质量，第(2)列Inf系数显著为正，Index系数显著为负，可见信息披露质量的提升是数字金融缓解企业投融资期限错配的机制之一。

第二，数字金融能够通过缓解融资约束抑制企业的“短贷长投”行为，本文选取SA指数测度企业融资约束，计算公式为：

SA=-0.737×Size+0.0434×Size2-0.04×Age

其中，Size为企业规模的对数，Age为企业成立年限，SA值越低说明企业融资约束越严重。

表6第(3)列Index系数显著为正，第(4)列SA与Index系数均显著为负，说明数字金融的发展不仅降低了企业融资约束，更通过缓解融资约束抑制了企业“短贷长投”。

第三，凭借大数据与人工智能等技术手段，数字金融缩短了资金融通的交易链条，有助于降低企业融资成本，因此在数字金融对企业投融资期限错配的影响中，也应当考虑融资成本的作用机制。本文将融资成本(FC)定义为“资本支出、利息收入之和与总负债之比”。

表6第(5)列Index系数显著为负，可知数字金融降低了企业融资成本，第(6)列Index系数显著为负，FC系数显著为正，意味着融资成本的降低也是数字金融缓解企业投融资期限错配的重要机制。

表6 影响机制分析

五、进一步分析

(一)数字金融、企业投融资期限错配与投资效率

“短贷长投”反映企业长期投资无法获得相匹配的长期融资，实质是企业无法进行有效的长期投资，进而降低了投资效率[32]。随着“短贷长投”的缓解，企业不仅获得了更多长期融资，也为提升投资效率创造了条件，因此,若数字金融改善了企业投融资期限错配，将提升企业投资效率。本文采用Richardson(2006)[33]模型回归结果的残差测度企业投资效率(IE)：

INVi,t=μ0+μ1INVi,t-1+μ2CASHi,t-1+μ3SIZEi,t-1+μ4LEVi,t-1+μ5GROWi,t-1+μ6RETi,t-1

+μ7AGEi,t-1+YEAR+INDUSRTRY+φi,t

其中，企业当年新增资本投资额(INVi,t)的计算借鉴于文超等(2020)[34]的做法：INV=(购建固定资产、无形资产和其他长期资产支付的现金-处置固定资产、无形资产和其他长期资产收回的现金净额)/期初总资产。INVi,t-1、CASHi,t-1、SIZEi,t-1、LEVi,t-1、GROWi,t-1、RETi,t-1、AGEi,t-1分别为企业上一年的新增资本投资额、货币资金持有量(货币资金/期初总资产)、总资产的自然对数、资产负债率、成长性(营业收入增长率)、股权收益率与成立年限。YEAR和INDUSTRY分别代表年份和行业虚拟变量。对上述模型OLS回归后的残差取绝对值得到各企业年度投资效率，绝对值越大，投资效率越低。

表7第(1)列SFLI系数显著为正，说明企业“短贷长投”降低了投资效率，第(2)列Index×SFLI系数显著为负，说明数字金融能够缓解企业投融资期限错配对投资效率的负向影响。

(二)数字金融、企业投融资期限错配与金融资源配置

融资市场中不同企业非对称的融资能力是金融错配的具体表现，且企业投融资期限错配也体现了货币资金扭曲的配置效率。为此，本文进一步分析数字金融对企业投融资期限错配的有益影响是否改善了金融错配。参考王欣和曹慧平(2019)[35]的做法测算金融错配程度(FM)：

FMijt=|(RAijt-MRit)/MRit|

其中，RAijt表示行业i中企业j在t期的资本回报率，用利润与成本费用之比表示；MRit表示行业i在t期的平均资本回报率；FMijt表示行业i中企业j在t期的资本效率偏离度，以此衡量金融错配程度，绝对值越大，企业金融资源错配越严重。

表7第(3)列结果说明企业投融资期限错配产生了金融资源错配，第(4)列Index×SFLI系数显著为负，说明数字金融能够改善企业“短贷长投”对金融资源配置效率的扭曲程度，可见数字金融优化了企业货币资金的使用。

(三)数字金融、企业投融资期限错配与违约风险

企业投融资期限错配将加剧经营风险[1]，本文进一步检验数字金融能否通过改善企业“短贷长投”以缓解违约风险。参考陈晓辉(2021)[26]的做法，用违约概率(EDF指标)度量企业违约风险。

其中，DDit为违约距离；Eit为企业总市值；Dit为企业期末短期负债与长期负债之和的1/2，代表企业债务的账面价值；rit-1为企业上一年的年度股票收益率；Tit设置为1。Vit为企业资产价值波动率，主要基于如下公式得出：

其中，σEit为企业权益波动率。

根据上式计算出违约距离DDit，然后进行累积标准正态分布处理，得到简化的违约概率(EDF)：EDFit=N(-DDit)。

表7第(5)列SFLI系数显著为正，说明企业“短贷长投”加大了违约风险，第(6)列Index×SFLI系数显著为负，说明数字金融能够缓解企业投融资期限错配对违约风险的不利作用。

表7 进一步分析

六、结论与建议

本文以中国A股上市公司数据为样本，探讨了数字金融与企业投融资期限错配的关系，结论如下：第一，数字金融显著抑制了企业“短贷长投”行为，该结论在一系列稳健性检验后依旧成立。第二，数字金融的发展不仅提高了企业信息披露质量，也缓解了企业融资约束，这是数字金融影响企业投融资期限错配的重要机制；异质性分析发现，数字金融对企业投融资期限错配的缓解效应在制造业、中西部地区、金融发展程度高、成长性高与治理水平低等样本中更为显著。第三，数字金融对企业投融资期限错配的改善效应提高了企业投资效率，也改善了金融资源错配，并降低了企业违约风险。

在研究结论的基础上，本文提出如下建议：第一，充分发挥数字金融的功能优势，强化数字金融平台融资渠道多元、信息披露充分、服务触达性强与融资成本低等功能，力求打通“资金供给—融资需求”的传导链条。第二，企业应当积极利用数字金融平台提高所披露信息的准确性与完整性，努力降低与资金供给者之间的信息不对称程度；银行等金融机构也应充分利用数字金融的发展构建完善的风险监控与信息处理系统，打造信息化、智能化、差异化的风险评估系统，针对不同发展定位的企业制定不同的服务策略，以满足企业多元化融资需求。第三，监管部门应该为数字金融发挥功能效应创造有利的保障条件，既要维护公平有序的竞争环境，也要防止不正当的垄断行为，在数字金融功能发挥与功能监管之间打造均衡的监管机制，为有效引导数字金融功能效应的发挥注入动能，构建更加完善的金融市场体系，通过金融市场的高质量发展强化企业投融资期限匹配的合理性，防止企业“脱实向虚”引发的系统性风险。