大数据技术对中小微企业信贷供给的影响研究

陈敏 孙华荣 傅琪

摘   要：大数据技术凭借其强大的信息获取处理优势成为当下缓解中小微企业融资困境的重要手段。基于2012—2020年山东省14家商业银行中小微企业信贷供给月度面板数据，考察了大数据技术对中小微企业信贷供给的影响及其作用机制。研究发现：大数据技术显著提高了山东省中小微企业信贷供给，而这种影响效果会因商业银行类型、企业规模、大数据技术发展阶段的不同而呈现显著差异。机制检验进一步证实，大数据技术主要通过贷前信息筛选与贷后风险管控两个渠道作用于山东省中小微企业信贷供给，且渠道的作用效果对于不同类型的商业银行以及不同规模的企业也呈现出明显的异质性。基于此，为有效纾解中小微企業融资困境，建议不断增强大数据技术缓解中小微企业融资约束的正向作用，灵活依据商业银行类型、企业规模有差别地推动大数据技术发展，并有效疏通大数据技术提升中小微企业信贷供给的贷前贷后传导渠道。

关键词：融资约束；信息不对称；信贷风险

中图分类号：F832  文献标识码：A  文章编号：1674-2265（2023）02-0044-10

DOI：10.19647/j.cnki.37-1462/f.2023.02.006

一、引言

中小微企业是我国经济发展的重要组成部分和支撑力量，但其面临着“硬”信息不足、信用缺失等一系列问题，这造成中小微企业能获得的金融资源与其所处的经济地位极为不符。加之近年来新冠肺炎疫情等因素的影响，中小微企业的融资约束问题显得尤为突出。与此同时，我国大数据技术迅速崛起，其在改善信贷质量、缓解信息不对称等方面具有明显的优势，也被创新性地应用于信贷领域，成为助力中小微企业解决融资需求的可能路径。以中国邮政储蓄银行为例，该行近年来依托科技赋能，积极将大数据技术嵌入信贷业务，推出“小微易贷”“科技信用贷”“极速贷”等创新金融产品，截至2022年3月末，实体贷款新增占比高达99%，普惠小微企业贷款余额突破1万亿元，较上年末增长4%。由此可见，大数据技术对中小微企业信贷供给起到了一定的积极作用，这一作用效果是否显著以及作用渠道如何，本文将以山东省为例进行理论梳理与实证检验，对于驱动我国商业银行业数字化改革，促进中小微企业健康发展，从而更好地推动金融服务实体经济具有重要的理论与现实意义。

大数据技术是金融科技的核心驱动力（李建军，2021）[1]。相较于提供底层服务的云计算、高效完成特定任务的人工智能、实现分布式数据共享的区块链等其他技术（王烽权等，2020；李勇建和陈婷，2021；刘婷和李冬，2021；刘乃梁和吕豪杰，2022）[2-5]，大数据技术与依托信息的金融行业更具有天然的耦合性。大数据技术具有信息体量大、传输速度快、潜在价值高等特点（唐跟利和陈立泰，2021）[6]，以数据开放共享流通为基础，进而对数据展开采集、分析、挖掘与交易，为用户提供更具价值的信息和知识。与此同时，商业银行的信贷供给过程需要以大量企业信息为支撑，信息不对称正是阻碍中小微企业融资的根本原因（刘音露等，2019）[7]，信息化是促进中小微企业融资“增量”的关键因素。大数据技术恰恰可借助其信息优势赋能商业银行，通过整合借款企业真实有效信息，挖掘企业投资价值，引导商业银行资金供给与企业融资需求相匹配，进而调动更多信贷资源流向中小微企业，真正地服务于中小微企业。

目前，大量文献是从金融科技的整体视角探讨中小微企业融资问题（Jak?i?和Marin?，2019；盛天翔等，2020；金洪飞等，2020；粟勤和杨景陆，2022）[8-11]，也有部分学者选择大数据技术视角展开研究。一些学者指出，大数据技术在商业银行小微企业信贷业务拓展方面具有广阔的应用场景，认为大数据技术创造的“信用资本”和“信用抵押”有助于解决“小微企业融资悖论”难题（黄子健和王龑，2015）[12]。从征信层面来看，大数据技术能够以极低的成本挖掘海量非结构化数据，这有利于商业银行借助大数据技术缓解与借款企业的信息不对称，从而助力中小微企业融资增信并缓解融资约束（许志勇等，2021）[13]；从风险管理层面来看，大数据技术有助于商业银行采集借款企业的偿还能力与信用水平信息以评估贷款额度，并通过多样有效的措施进行贷后风险管控，这在一定程度上有利于商业银行控制贷款风险，进而降低中小微企业融资成本（姜婷凤和易洁菲，2022）[14]。但这些研究仅停留在理论层面，大数据技术纾解中小微企业融资困境的实际效果以及其中的渠道机制等问题仍有待进一步的实证研究，这也正是本文研究的切入点。此外，进一步梳理文献发现，已有文献仅集中讨论大数据技术与中小微企业融资之间的关系，却未区分企业类型展开对比分析，而大数据技术对大型、中型、小型、微型企业信贷供给的差异性影响也将是本文的研究重点。

本文的边际贡献如下：首先，本文利用山东省中小微企业的月度信贷数据，对山东省省域层面的大数据技术与中小微企业信贷供给的关系展开实证研究，这为商业银行借助大数据技术调整信贷配给、加大对中小微企业的信贷支持提供了实证依据。其次，本文从贷前信息筛选和贷后风险管控两个渠道，系统分析大数据技术如何引导信贷资源遵循市场规则向中小微企业可持续供给。最后，区别于以往文献，本文检验了银行层面和企业层面传导渠道作用效果的异质性，这为有效推出差异化的管理策略提供了借鉴与指导。

二、大数据技术影响中小微企业信贷供给的理论机制

商业银行对中小微企业的信贷供给过程分为贷前筛选和贷后追踪两个环节，中小微企业“融资难”的原因可对应归结为两点：获客难、风控难。结合已有文献，本文发现大数据技术对中小微企业信贷供给的作用会通过贷前信息筛选和贷后风险管控两个渠道实现（见图1）。

（一）贷前信息筛选渠道

大数据技术能够将各类“软”信息硬化，其利用信息整合、筛选上的比较优势“赋能”于商业银行（宋敏等，2021）[15]，从而高效缓解银企间的信息不对称难题（王奕婷和罗双成，2022）[16]，有助于扩大中小微企业信贷供给。具体从贷前筛选环节来说，作为信贷主要供给方的商业银行会综合考虑自身风险承担能力、贷款成本和收益等方面，优先选择“硬”信息充足的大型企业发放贷款（Berger和Black，2010）[17]。即便有部分商业银行具有搜集企业“软”信息的比较优势，也难以大范围、大规模地发放关系型贷款（黄益平和邱晗，2021）[18]。因此，中小微企业既受限于“硬”信息不足，又缺乏合格抵质押品，自然在上述贷前筛选环节中被排斥在正规服务体系之外；即使商业银行通过筛选中小微企业信息，选择性地向其中质量相对较好的企业发放贷款，这无疑也会加大商业银行的获客和放贷成本。

随着大数据技术的兴起与应用，中小微企业的数字化转型持续加快，其在数字系统中展开经营活动，留下经营流水、营收趋势、财务状况、履约情况等海量“数字足迹”。这些“大数据”不仅使得中小微企业的“软”信息变得更加透明，也可以极大地降低商业银行的人工审查监督成本（黄锐等，2020）[19]。借助大数据技术，商业银行既能够更容易地搜集和挖掘与中小微企业真实经营相关的数字信息，也能够有效甄别“长尾”中小微企业信贷需求（王馨，2015）[20]，并以较低的边际成本对其进行充分的贷前信息评估。这缓释了由银企间信息不对称而导致的中小微企业融资难问题，中小微企业信贷供给总量得以增加。

（二）贷后风险管控渠道

大数据技术可以协助商业银行构建大数据风控体系（张金清等，2022）[21]，有助于商业银行实现对中小微企业风险的精准判估，从而降低信贷风险，提高中小微企业正规融资的可得性。具体从贷后追踪环节来说，由于传统风控技术成本高、效率低且时效性差，商业银行的贷后管理模式相对被动，无法及时抓取中小微企业违约信息，因而难以控制信贷风险。而大数据风控体系具有突出的信息和模型优势，能够协助商业银行动态、全方位地监控中小微企业的实时信息，更加准确和稳健地预测违约（Huang等，2020）[22]。在大数据风控体系支持下，商业银行可以通过重点关注借款企业交易行为、偿债行为以及经营状况等方面的贷后风险指标并设置风险预警，从而能够更精准地进行风险防控，降低借款企业违约的可能性。这种风控模式不仅可以确保商业银行放贷收益覆盖放贷成本，也能够降低商业银行放贷亏损的可能性和程度。

在大数据技术的“赋能”下，一方面，中小微企业的不良贷款率会降低；另一方面，商业银行可以运用更加多元化和有效的技术手段防控并化解信贷风险（Gambacorta等，2019；Cheng和Qu，2020）[23，24]，风险预测与控制能力均有所提升（郭品和沈悦，2019；李向前和贺卓异，2021）[25，26]。由此，商业银行更有动力和信心增加信贷资产组合中的风险资产占比，大幅度地提高放贷积极性，提升风险承担意愿，从而能够覆盖之前不能被商业银行服务的中小微客群，有利于整体上扩大中小微企业信贷供给。

三、大数据技术对山东省中小微企业信贷供给影响的实证检验

（一）实证模型构建

为检验大数据技术对山东省中小微企业信贷供给的影响，本文基准模型设定如下：

[CreditSupplyjt=α0+α1BigDatat+α2Mtcontrol+α3Ijtcontrol+μi+εjt]   （1）

其中，[j]表示商业银行，[t]表示时间。被解释变量为中小微企业信贷供给[CreditSupplyjt]，核心解释变量为大数据技术发展指数[BigDatat]，[Mtcontrol]、[Ijtcontrol]分别代表商业银行层面与宏观经济层面的控制变量，[μi]为个体固定效应，[εjt]为误差扰动项。

（二）样本选择与数据来源

本文选取山东省作为研究对象主要基于以下考量：一方面，考虑省域商业银行数据的可得性与代表性。山东省历来是经济、人口大省，GDP长期稳居全国前三，民营经济活跃，中小微企业景气指数也一直领跑全国。本文以山东省为研究对象，厘清大数据技术对中小微企业信贷供给的影响及其机制，具有较高的代表性和示范性，为未来借大数据技术之“东风”，助推中小微企业高质量发展提供了重要借鉴。另一方面，虽然山东省中小微企业整体发展势头良好，但中小微企业仍处于产业链下游，发展短板比较突出，疫情冲击导致部分中小微企业面临资金断裂困境。这一背景为本文研究大数据技术对山东省中小微企业信贷供给的影响提供了契机。

由于大数据技术在我国起步较晚，选取年度数据会造成数据量过少，因而采用月度数据。考虑到2012年为“大数据跨界年度”以及数据的完整性与可得性，最终选取2012—2020年山东省4家国有商业银行与10家股份制商业银行，共计14家商业银行的月度面板数据。商业银行数据来自中国人民银行，大数据技术指数所需数据来自百度搜索，控制变量数据来自《山东统计年鉴》、国泰安数据库、中经网统计数据库、各家商业银行年报及社会责任报告。

（三）变量定义与描述

变量说明及描述性统计结果见表1。

1. 被解释变量：中小微企业信贷供给（CreditSupply）。本文用中小微企业贷款余额（自然对数）来衡量①。该指标越高，代表中小微企业尚未归还商业银行的贷款越多，信贷供给越充足。

2. 解释变量：大数据技术发展指数（BigData）。大数据技术指标的构建是考察大数据技术发展对中小微企业信贷供给影响的关键。已有文献（施炳展和金祥义，2019；盛天翔和范从来，2020；李春涛等，2020）[27-29]为本文运用“大数据技术词库+百度搜索指数”的方法构建大数据技术发展指数提供了启示。具体构建步骤如下：（1）构建大数据技术的关键词词库。借鉴沈悦和郭品（2015）[30]，本文从大数据技术的来源、特征以及应用三个方面构建关键词词库（见表2）。（2）利用网络搜索指数计算关键词的月度词频。本文选择市场份额最大的百度搜索指数实现，先在百度搜索指数平台选定山东省作为指定的区域范围，然后利用步骤一中得到的大数据技术关键词词库，获取各关键词对应的日度词頻，并将日数据加总取平均转为月度词频。（3）基于熵值法合成山东省大数据技术发展指数。本文采用熵值法②确定各关键词权重，进而合成山东省的大数据技术综合指数。考虑到稳健性问题，本文将该指数进行对数处理。该指数越大，表示山东省大数据技术发展水平越高。

在实现大数据技术发展指数量化构建后，本文发现大数据技术共经历了三个发展阶段（见图2）：第一阶段为大数据技术新兴发展阶段（2012—2014年）。“大数据”一词逐渐进入人们视野，金融机构开始有意识地重视数据价值，大批新兴产业涌现。第二阶段是大数据技术飞速发展阶段（2014—2018年）。2014年3月，大数据首次写入政府工作报告，2014年也被称为“中国大数据元年”。随后，大数据逐渐成为各级政府关注的热点，地方政府相关部门也出台了一系列政策，如2016年山东省出台《山东省人民政府关于促进大数据发展的意见》，鼓励大数据产业发展。第三阶段是大数据技术高质量发展阶段（2018至今）。2018年，大数据的新技术、新业态、新模式的不断涌现，对数据资产运营与管理提出了更高的要求。对此，2018年10月，山东省大数据局正式挂牌成立，牵头实施大数据战略，山东省人民政府又于2019年发布《数字山东发展规划（2018—2022年）》，这使得山东省大数据技术进入更为规范的高质量发展阶段。

3. 控制变量。除大数据技术外，本文参考既有文献的研究，从两个层面选取可能影响中小微企业信贷供给的其他因素构建控制变量。一是商业银行层面的不良贷款率（NPL）（张琳等，2015；孙国峰和栾稀，2021）[31，32]；二是宏观经济层面的物价水平（CPI）、同业拆放利率（Rate）、一般公共预算收入（Revenue）、房地产投资开发（Investment）（金雪军和徐凯翔，2016；邝雄等，2019）[33，34]。

（四）基准回归

表3汇报了大数据技术对山东省中小微企业信贷供给影响的回归结果。结果显示，不论是否考虑控制变量，解释变量的估计系数均在1%水平上显著为正，这说明大数据技术对山东省中小微企业信贷供给具有高度正向影响。可能的原因是，大数据技术“赋能”山東省商业银行，缓解了银企间信息不对称，商业银行风控能力也得以提升，进而能够增加中小微企业信贷供给。

（五）稳健性检验

为检验实证结果的稳健性③，本文依次采用替换解释变量④、解释变量滞后一阶、解释变量滞后二阶、变换估计方法（GMM、混合OLS）5种方式重新进行估计，结果汇报于表4。结果显示，本文分析结果具有较强的稳健性。

（六）异质性分析

基准回归结果表明，大数据技术能够显著提升山东省中小微企业信贷供给。对不同的商业银行类型、企业规模以及大数据技术发展阶段而言，大数据技术对山东省中小微企业信贷供给的影响是否存在差异？本文将重点从以上这四个方面展开异质性分析。

1. 商业银行类型。考虑到不同类型商业银行在传统信贷技术方面擅长的领域不同，发展水平也各异，大数据技术对其的影响效果也可能会存在差异。为探究这一问题，本文按照国有商业银行、股份制商业银行分组进行回归，结果见表5。通过对比解释变量的标准化系数值⑤发现，大数据技术对山东省股份制商业银行中小微企业信贷供给的促进效果强于国有商业银行。

对此可能的解释是，国有商业银行在我国信贷市场中占据着主导性地位，掌握着大量的大型企业等优质客户，开发中小微企业信贷空间的动力并不强烈。虽然国有商业银行在山东省中小微企业信贷供给中的占比最高，但更多的是为了满足政府和监管当局的要求，具有一定的被动性。相反，股份制商业银行在中小微企业融资方面具有“小银行优势”，中小微企业客户是其主要的竞争对象。而且随着大数据技术的快速发展，中小微企业的信息获取成本大幅度降低，在利润驱动下，股份制商业银行拓展中小微企业客户的动力明显要强于国有商业银行，使得其对中小微企业信贷供给大幅增加。

2. 企业规模。为进一步厘清企业规模差异对大数据技术提升山东省企业信贷供给的影响，根据《统计上大中小微型企业划分办法（2017）》中对企业的划型标准，本文按照从业人员、营业收入以及资产总额将企业划分为大型、中型、小型、微型四类。针对不同企业规模分组进行检验，结果见表6。大数据技术对中、小、微企业信贷供给的作用效果高于大型企业，对小型和微型企业的提升作用优于中型企业。这说明企业规模越小，越受益于大数据技术发展所驱动的信贷供给增加。

合理的解释在于，大数据兴起之前，大型企业能够凭借充足的抵押物获得信贷，而中小微企业抵押物不足且“软”信息相对缺失，这导致其融资成本偏高，从而受到信贷约束。随着大数据技术的发展，商业银行利用大数据技术将中小微企业“软”信息“硬”化的可能性提高，“硬”信息海量化降低了中小微企业信用评估成本，有助于商业银行更准确地进行贷前信息筛选和贷后风险管控，且在大数据技术赋能下，商业银行会优化信贷结构，增加对薄弱领域的信贷供给，进而促进中小微企业增信获贷。

3. 大数据技术发展阶段。在不同的发展阶段，大数据技术发展水平、速度等方面存在较大差异。为检验各阶段大数据技术对山东省中小微企业信贷供给的差异性影响，按照上文阶段划分分组进行检验，估计结果见表7。在三个发展阶段中，大数据技术与山东省中小微企业信贷供给均呈现高度正相关的状态。同时，通过对比各阶段BigData的标准化系数值可以看出，大数据技术对山东省中小微企业信贷供给的促进效果遵循“边际效应递减规律”。这一结果符合新事物发展的“生命周期理论”，即随着大数据技术的不断发展，其对山东省中小微企业信贷供给的促进作用会逐渐趋于稳定。

四、大数据技术作用于山东省中小微企业信贷供给的渠道检验

（一）贷前信息筛选渠道

大数据技术能够挖掘更加透明、真实且充分的企业信息，从而降低银企间信息不对称程度，进而有利于引导商业银行将信贷资源投向中小微企业。本文借鉴Fosu等（2017）[35]，采用分析师预测误差表征银企间信息不对称程度。分析师是市场信息的传递者，发挥着信息中介作用。分析师预测误差指标能够反映市场间信息传递程度，该指标越大表明银企间信息不对称程度越高。基于此，本文构建以下模型进行检验：

[CreditSupplyjt=β0+β1BigDatat+β2Errort+β3BigDatat×Errort+β4Mtcontrol+β5Ijtcontrol+μi+εjt] （2）

其中，[Error]表示分析师预测误差，为负向指标，数据来自国泰安数据库，按照日频取月均值，其他变量同前文设定一致。本文将重点关注交互项的系数[β3]，[β3]若显著为负，则表示大数据技术可以通过降低银企间信息不对称促进山东省中小微企业信贷供给。表8列（1）汇报了模型（2）的回归结果。交互项的系数在1%的水平上显著为负，这一结果与预期相符。分析师预测误差降低意味着能将更多市场信息传递给商业银行与中小微企业，有利于降低银企信息不对称程度，因而大数据技术通过贷前信息筛选渠道对山东省中小微企业信贷供给发挥正向影响。

（二）贷后风险管控渠道

不良貸款率不仅可以影响商业银行盈利能力，也会影响放贷能力。不良贷款率过高会导致商业银行可贷资金减少，信贷风险加大。借鉴陈敏和高传君（2022）[36]，本文使用不良贷款率滞后一阶衡量商业银行贷后风险。模型构建如下：

[CreditSupplyjt=γ0+γ1BigDatat+γ2NPLt+γ3BigDatat×L.NPLt+γ4Mtcontrol+γ5Ijtcontrol+μi+εjt]  （3）

其中，[NPL]为不良贷款率，其他变量定义同上。γ3若为负，说明大数据技术能够通过降低不良贷款率，增加中小微企业信贷供给。具体结果见表8第（2）列，由表可知，交互项的系数在1%的水平上显著为负，证实了大数据技术有利于降低不良贷款率，商业银行损失降低、风控水平提升后，自然会增强“敢贷”的意愿，进而促进商业银行对山东省中小微企业的信贷供给。

（三）渠道机制的差异性分析

根据前文异质性分析可知，大数据技术与山东省中小微企业信贷供给之间的关系会因商业银行类型、企业规模等的不同而呈现差异。那么，大数据技术对中小微企业信贷供给的作用渠道是否又会因商业银行类型差异、企业规模不同而产生差异？

1. 商业银行类型。表9列（1）—（2）、（3）—（4）分别汇报了贷前信息筛选与贷后风险管控渠道中，大数据技术对山东省国有商业银行、股份制商业银行中小微企业信贷供给的回归结果。分析发现，贷前信息筛选渠道中，国有商业银行、股份制商业银行交互项的估计系数均显著为负，且股份制商业银行更受益于贷前信息筛选；在贷后风险管控渠道中，大数据技术仅会通过贷后风险管控渠道作用于股份制商业银行，而对国有商业银行无明显作用，即大数据技术能够显著降低股份制商业银行中山东省中小微企业的不良贷款率。这一结果并不令人意外，相比于股份制商业银行，国有商业银行客户以大型企业为主，且长期占据绝大部分的信贷资源，客观上信息不对称与风险问题更小。因而，国有商业银行借助大数据技术打破银企间的信息与风险藩篱，进而纾解中小企业融资约束的实际效果就会大为缩减。相比之下，股份制商业银行更“乐意和主动”借助大数据技术打破银企信息与风险壁垒，拓展中小微企业“长尾”市场。

2. 商业银行类型与企业规模。表10中Panal列A为贷前信息筛选渠道估计结果。从交互项的系数来看，大数据能够显著降低国有和股份制商业银行与山东省大、中、微型企业的贷前信息不对称程度，且贷前信息筛选渠道对山东省微型企业信贷供给的促进效果最强。

Panal B为贷后风险管控渠道估计结果。第（1）—（4）列国有商业银行结果显示，大数据技术对山东省企业信贷供给的影响效果在大中型企业与小微型企业中差距较为明显。具体来说，交互项的系数在第（1）、（2）列为负，而在第（3）、（4）列为正，这表明大数据技术能够降低国有商业银行与大中型企业之间的不良贷款率，但是会显著提升小微型企业不良贷款率。对此可能的解释是，国有商业银行贷款给大中型企业，大中型企业有实力偿还贷款，因而能够降低不良贷款率。而对于小微型企业而言，虽然大数据技术能够帮助国有商业银行在贷前通过收集小微型企业“软”信息进行授信筛选，在一定程度上有助于避免道德风险，但是小微型企业囿于弱质资产、市场敏感性极强等自身的局限性，借贷风险高于大中型企业，不可避免地会因管理不善、市场冲击等原因无法按时偿还贷款，反而会加大不良贷款率。另外，商业银行为降低风险也将减小对小微型企业的信贷供给，此时，小微型企业无法通过再贷款以分散风险，进一步导致不良贷款率上升。综上，大数据技术一定程度上纾解了小微型企业融资困境，但是在这一发展环境下，也使小微型企业更容易暴露自身劣势。因而，国有商业银行的借贷客户通常为各项资质优的大型企业。此外，第（5）—（8）列为股份制商业银行检验结果，通过观察交互项系数可知，大数据技术能够显著降低大、中、小这三种规模企业的不良贷款率。进一步对比标准化系数值发现，大型企业会更加受益于股份制商业银行的贷后风险管控渠道，大数据技术对该类型企业不良贷款率的降低效果最突出。

五、结论与建议

（一）研究结论

本文以山东省为例，选取2012—2020年山东省14家商业银行作为研究样本，构建“大数据技术—中小微企业信贷供给”理论框架，在检验大数据技术对山东省中小微企业信贷供给实际影响效果的基础上，分别从贷前、贷后两个环节探究大数据技术作用于山东省中小微企业信贷供给的内在机理，并对比商业银行层面和企业层面传导渠道效果的异质性。研究结果表明：

1. 大数据技术显著促进了山东省中小微企业信贷供给。一方面，商业银行借助大数据技术获取中小微企业海量真实“软”信息，缓解了银企间信息不对称，有利于中小微企业获得信贷。另一方面，大数据技术能够帮助商业银行建立大数据风控系统，有利于实现商业银行低风险与中小微企业融资需求“小额、高频”的精准匹配。这不仅使得中小微企业不良贷款率大大下降，同时商业银行风控能力也有所提升。在这两方面的作用下，解决了商业银行“不敢贷、不愿贷”的顾虑，商业银行事前放贷积极性和风险承担意愿得以提升，从而带来山东省中小微企业信贷供给的增加。

2. 大数据技术对山东省中小微企业信贷供给的影响存在异质性。从商业银行类型来看，相比于国有商业银行，股份制商业银行在大数据技术的驱动下，拓展中小微企业客户的动力明显更强烈。从企业类型来看，大数据技术能够为商业银行提供充足的中小微企业“软”信息，因而其对中小微企业信贷供给的提升效果高于大型企业。从大数据发展阶段来看，大数据技术对山东省中小微企业信贷供给的促进效果遵循“边际效应递减规律”，推动作用逐渐趋于稳定。

3. 大数据技术能够通过贷前信息筛选、贷后风险管控两条传导渠道作用于山东省中小微企业信贷供给。具体而言，贷前信息筛选方面，大数据技术能够将“软”信息硬化，使得商业银行在事前低成本地对中小微企业精准画像，高效缓解了信息不对称，有助于扩大中小微企业信贷供给；贷后风险管控方面，大数据技术可以协助商业银行构建大数据风控系统，实现风险的精准预估與监测，这不仅可以降低不良贷款率，而且在商业银行风险管控能力提升的影响下，商业银行会更加“敢贷”于中小微企业，从而促进中小微企业信贷供给。进一步研究发现，对于不同商业银行类型，贷前渠道中大数据技术的引入对国有与股份制商业银行均有效，贷后渠道仅作用于股份制商业银行。对于不同商业银行类型与企业规模，贷前渠道对两类商业银行的大、中、微型企业信贷供给有显著影响，贷后渠道对股份制商业银行大、中、小型企业信贷供给的促进效果更为显著。

（二）对策建议

基于以上结论，为实现大数据技术助推山东省中小微企业信贷供给，提出以下对策建议：

1. 不断增强大数据技术在缓解中小微企业融资约束中的积极作用。发展并应用大数据技术是我国未来发展的必然选择。资金短缺是当前限制山东省中小微企业发展的最大问题，政府、金融机构、中小微企业应当大力推进大数据技术的应用，构建数据信息共享平台，重构以“数字匹配”为特征的银企关系，强化银企之间的良性互动，为银企破冰，从而促进中小微企业信贷供给，带动山东省中小微企业全面发展。

2. 依据商业银行类型、企业规模有差别地推动大数据技术发展。大数据技术能在多大程度上缓解中小微企业融资约束取决于商业银行原有获取“软”信息的能力、企业规模等禀赋条件。本文证明了大数据技术对中小微企业信贷供给的提升效果强于大型企业，股份制商业银行在扩大中小微企业信贷供给方面更具有潜力和比较优势。鉴于此，政府既要高度重视大数据体系建设，也要立足于商业银行类型有针对性地实行差异化策略，尤其应鼓励股份制商业银行推进金融与大数据技术的数字化转型，重点应用大数据技术破解中小微企业的融资约束问题，避免政策“一刀切”。

3. 有效疏通大数据技术的贷前贷后传导渠道。贷前信息筛选渠道中，大数据技术能否帮助中小微企业改善信贷供给的关键在于中小微企业信息获取以及银企间的互动性。而这些既需要金融机构打破数据孤岛，合理运用大数据技术加强构建数据疏通渠道，也需要主动培养“中小微熟客”，紧密银企关系以提供融资便利。贷后风险管控渠道中，需要多方协同努力，商业银行应该主动借助大数据风控体系，提升风险防控能力，将中小微企业各类资源转为可抵押可控的信贷资源，增加中小微企业信贷供给；中小微企业也应规范经营提升自身软实力与信用等级，强化创新能力，积极适应大数据支持下的智能审贷，为商业银行加大中小微企业信贷供给创造良好的外部环境。

注：

①多数研究表明，小微信贷市场中，供不应求的现状长期存在，这导致小微信贷市场中供给方占据主导地位。基于此，本文使用商业银行贷款余额表征银行对中小微企业的信贷供给。

②步骤一：指标标准化。正向指标：[xij=xij-min{xij…xnj}max{xij…xnj}-min{xij…xnj}]；负向指标：[xij=max{xij…xnj}-xijmax{xij…xnj}-min{xij…xnj}]。步骤二：计算指标熵值。[pij=xiji=1nxij]。步骤三：计算指标熵权。[wj=djj=1mdjdj=1-ej;ej=-1lnni=1npijlnpij]。步骤四：测算综合指数。[si=j=1mwjpij]。

③本文运用“山东省+大数据技术关键词”“百度搜索指数”度量的山东省大数据技术发展水平这一指标是相对外生的，其受到个体企业行为的影响较小。因此，反向因果问题较弱。

④本文采用搜狗搜索指数、360趋势指数重新构建山东省大数据技术发展指数，进行稳健性检验。

⑤标准化系数=未标准化自变量系数×（对应自变量标准差/因变量标准差）。

参考文献：

[1]李建军.金融科技理论与实践 [M].北京：中国财政经济出版社，2021年.

[2]王烽权，江积海，王若瑾.人工智能如何重构商业模式匹配性？——新电商拼多多案例研究 [J].外国经济与管理，2020，42（07）.

[3]李勇建，陈婷.区块链赋能供应链：挑战、实施路径与展望 [J].南开管理评论，2021，24（05）.

[4]刘婷，李冬.区块链技术与供应链金融深度融合发展体系研究 [J].金融发展研究，2021，（11）.

[5]刘乃梁，吕豪杰.金融科技数据垄断：源流、风险与治理 [J].财经科学，2022，（03）.

[6]唐跟利，陈立泰.大数据驱动区域公共服务一体化：理论逻辑、实现机制与路径创新 [J].求实，2021，（05）.

[7]刘音露，张平，徐晓萍.征信活动、信息技术进步与信贷表现 [J].国际金融研究，2019，（11）.

[8]Marko Jak?i?，Matej Marin?. 2019. Relationship Banking and Information Technology：the Role of Artificial Intelligence and FinTech [J].Risk Management，21（01）.

[9]盛天翔，朱政廷，李祎雯.金融科技与银行小微企业信贷供给：基于贷款技术视角 [J].管理科学，2020，33（06）.

[10]金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应 [J].财经研究，2020，46（05）.

[11]粟勤，杨景陆.金融科技、中小银行小微企业信贷供给与风险 [J].现代经济探讨，2022，（04）.

[12]黄子健，王龑.大数据、互联网金融与信用资本：破解小微企业融资悖论 [J].金融经济学研究，2015，30（01）.

[13]许志勇，刘宗慧，彭芸.中小企业资产、价值、大数据与平台融资 [J].中国软科学，2021，（12）.

[14]姜婷凤，易洁菲.数字经济时代降低小微企业融资成本的路径——信息对称与风险分担 [J].金融论坛，2022，27（05）.

[15]宋敏，周鹏，司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角 [J].中国工业经济，2021，（04）.

[16]王奕婷，罗双成.金融科技与商业银行经营绩效——基于风险承担的中介效应分析 [J].金融论坛，2022，24（07）.

[17]Allen N. Berger，Lamont K. Black. 2010. Bank Size，Lending Technologies，and Small Business Finance [J].Journal of Banking and Finance，35（03）.

[18]黄益平，邱晗.大科技信贷：一个新的信用风险管理框架 [J].管理世界，2021，37（02）.

[19]黄锐，赖晓冰，唐松.金融科技如何影响企业融资约束？——动态效应、异质性特征与宏微观机制检验 [J].国际金融研究，2020，（06）.

[20]王馨.互联网金融助解“长尾”小微企业融资难问题研究 [J].金融研究，2015，（09）.

[21]张金清，李柯乐，张剑宇.银行金融科技如何影响企业结构性去杠杆？ [J].财经研究，2022，48（01）.

[22]Yiping Huang，Longmei Zhang，zhenhua Li，Han Qiu，Tao Sun，Xue Wang. 2020. Fintech Credit Rist Assessment for SMEs：Evidence from China [R].IMF Working Paper NO. 20/193，September.

[23]Leonardo Gambacorta，Yiping Huang，Han Qiu，Jingyi Wang. 2019. How Do Machine Learning and Non-Traditional Data Affect Credit Scoring：New Evidence from A Chinese Fintech Firm [R].BIS Working Paper No. 834，December.

[24]Maoyong Cheng，Yang Qu. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63（03）.

[25]郭品，沈悅.互联网金融、存款竞争与银行风险承担 [J].金融研究，2019，（08）.

[26]李向前，贺卓异.金融科技发展对商业银行影响研究 [J].现代经济探讨，2021，（02）.

[27]施炳展，金祥义.注意力配置、互联网搜索与国际贸易 [J].经济研究，2019，54（11）.

[28]盛天翔，范从来.金融科技、最优银行业市场结构与小微企业信贷供给 [J].金融研究，2020，（06）.

[29]李春涛，闫续文，宋敏，杨威.金融科技与企业创新——新三板上市公司的证据 [J].中国工业经济，2020，（01）.

[30]沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率 [J].金融研究，2015，（03）.

[31]张琳，廉永辉，辛兵海.宏观经济不确定性、银行异质性和信贷供给 [J].当代经济科学，2015，37（04）.

[32]孙国峰，栾稀.补充银行资本能调节贷款供给吗？[J].国际金融研究，2021，（08）.

[33]金雪军，徐凯翔.金融危机、货币政策与信贷供给——基于公司层面银行信贷数据的经验研究 [J].经济理论与经济管理，2016，（12）.

[34]邝雄，胡南贤，徐艳.货币政策不确定性与银行信贷决策——基于新闻报道文本分析的实证研究 [J].金融经济学研究，2019，34（05）.

[35]Samuel Fosu，Collins G. Ntim，William Coffie，Victor Murinde. 2017. Bank Opacity and Risk-Taking：Evidence from AnalystsForecasts [J].Journal of Financial Stability，（33）.

[36]陈敏，高传君.金融科技发展与我国银行风险承担行为 [J].学习与实践，2022，（01）.