銀行資產證券化、金融地理結構與企業創新

廖甍

關鍵詞：金融創新；企業創新；資產證券化；金融地理結構；信貸資源可得性

一、引言

隨著勞動力和資源環境低成本優勢的逐漸消失，以及全球保護主義和單邊主義抬頭，過去依賴引進和模仿等方式實現技術進步，由此推動經濟增長的模式不可持續，我國迫切需要從過去依賴低成本優勢和技術進口的模式全面轉向自主創新。然而，創新活動周期長、風險大、資金需求大，企業研發往往依賴于外部融資。中國目前以銀行主導的金融體系其服務實體經濟的能力仍存在不足，“所有制歧視”和“規模歧視”的現象仍然存在，民營經濟和中小企業“融資難、融資貴”的問題并未從根本上解決。加之創新活動固有的信息不對稱引致的逆向選擇和道德風險加劇了外部融資摩擦，嚴重束縛了企業創新能力的提高。如何構建一個健全、有效的融資體系以支持企業創新，成為了一個亟待解決的現實難題。為此，中共中央和國務院在《關于深化體制機制改革加快實施創新驅動發展戰略的若干意見》中強調，“要發揮金融創新對技術創新的助推作用，形成各類金融工具協同支持創新發展的良好局面”。

事實上，就金融創新而言，世界金融領域內最為重要和成功的創新便是資產證券化（Allen andSantomero，1997），其不僅是發揮金融體系動員儲蓄、發現價格和控制風險等功能的重要工具，更是現代金融體系高度發達的一種存在形式。盡管金融危機的爆發引發了人們對資產證券化與金融穩定關系的反思，但隨著中國金融深化和體制改革創新的需要，在國務院“控制總量、盤活存量”的金融調控基調下，監管部門相繼出臺了一系列有力政策，中國資產證券化進程得以于2012 年重啟。此外，中國金融發展的一個基本特征是不均衡，由銀行分支機構空間分布所形成的獨特金融地理結構，在很大程度上決定了配置到各個企業的信貸資源數量（蔡慶豐等，2020）。如果一個企業本身就沒有機會接觸信貸資源，銀行資產證券化自然也就不會對其產生任何影響。如此一來，分支機構的空間分布實際上成為了銀行資產證券化影響企業活動的重要渠道。在上述背景下，將銀行資產證券化和銀行分支機構空間分布納入一個統一的分析框架，探討二者對企業創新的影響及其作用機制，無疑有助于引導金融體系更有效地服務實體經濟，形成各類金融工具協同支持創新發展的良好局面。

現有研究中，與本文密切相關的一支文獻主要關注了資產證券化的經濟效應。陳凌白（2014）分析了我國上市銀行實施信貸資產證券化的效果，發現銀行開展資產證券化通過提升資本充足率，降低了自身的風險水平，有利于績效提升。高蓓等（2016）、王軍生和鄒東哲（2016）以及郭甦和梁斯（2017）的研究同樣支持了上述結論。李志輝等（2016）的研究則表明，資產證券擴大了銀行的融資來源，有利于通過削弱貸款供給對外部融資成本的敏感性，增強其信貸投放能力。李佳等（2019）進一步研究得出銀行流動性、資本充足率、盈利水平的提高以及風險加權資產占比的降低是資產證券化降低銀行風險的作用機制。高磊等（2019）的研究則發現，資產證券化提高了銀行的風險偏好和風險貸款的水平。而胡海峰等（2017）則是為數不多的討論了資產證券化給實體經濟帶來的影響的學者，他們基于CC-LM 模型，發現資產證券化能促進實體經濟產出的增加。

與本文主題密切相關的另一支文獻則是關于金融發展與實體經濟的關系。在理論研究方面，黎歡和龔六堂（2014）在Howitt and Agihon（1998）的內生增長模型中引入了金融變量，基于企業R&D決策的視角，研究了金融發展對經濟增長的影響。賈俊生等（2017）在內生增長模型的框架下，引入專利部門和金融部門，以研究金融發展、創新產出和經濟增長之間的關聯。劉培森（2018）在Romer（1990）模型的基礎上引入金融發展，基于金融為企業研發融資、研發促進技術進步進而推動經濟增長的邏輯，檢驗了金融對實體經濟的影響。莊毓敏等（2020）同樣在Howitt and Agihon（1998）的基礎上引入銀行部門，考察了金融發展對企業創新和經濟增長的影響。在實證研究方面，近年來的一些文獻將研究視角逐步拓展到了數字金融、金融科技和金融創新的主題上，例如數字金融發展促進了企業創新（唐松等，2020）；數字金融促進了產業創新成果轉化（莊旭東和王仁曾，2021）；金融科技促進了企業創新產出的提高（李春濤等，2020；葉莉和王榮，2021）；金融中介研發支出和信用違約互換也均有利于促進企業創新（Chan et al.， 2019; 潘敏和袁歌騁，2019）。此外，中國金融發展的一個基本事實是不均衡，這體現在各個地區、各個企業在信貸資源可得性上存在較大的差異?，F有研究通常從金融分支機構的空間分布所形成的金融地理結構來考察。例如，李志生等（2020）的研究發現，企業周邊銀行分支機構數量的增加通過提高企業負債水平有利于企業資本結構的優化。銀行網點數量和分支機構的擴張還能夠通過激發銀行競爭，有助于提高企業創新水平和企業出口國內附加值（張偉俊等，2021；盛斌和王浩，2022）。也有文獻指出，銀行網點數量的提高反而抑制了國有大型企業的研發投入（蔡慶豐等，2020）。

在上述文獻的基礎上，本文對現有研究做出了如下的邊際貢獻。第一，拓展了金融發展影響企業創新的文獻?，F有關于金融發展影響企業創新的研究，大多圍繞金融中介、股票市場展開，而本文則基于金融地理結構的視角，將研究范圍進一步拓展到資產證券化上。中國金融供給地理結構造成了個體企業信貸資源可得性的差異，進而導致了個體企業對銀行資產證券化沖擊作出反應的敏感程度具有異質性?；谏鲜鎏攸c，本文利用2012-2020 年中國A 股非金融類上市企業的面板數據，首次檢驗了銀行資產證券化對企業創新的影響。第二，拓展了資產證券化經濟效應的文獻?，F有關于資產證券化的經濟效應的研究，主要圍繞銀行開展資產證券化給自身的經營績效和風險管理帶來的影響，而本文則將研究視角進一步拓展到企業創新上，首次驗證了銀行開展資產證券化通過提高其風險偏好和風險容忍程度，擴大了信貸投放力度，降低了企業融資成本、緩解了企業融資約束，促進了企業技術創新。此外，本文還發現在分支機構空間擴張引發的銀行競爭帶來的效率識別功能的作用下，銀行資產證券化促進的是那些最具有創造力和生產效率的企業進行風險更高的突破式技術創新。本研究旨在為深化金融改革、發揮金融系統對企業技術創新的助推作用提供更多詳實的經驗證據。

二、理論分析與研究假設

目前，中國的金融體系以銀行為主導，加之資本市場發育不完善，家庭投資和企業融資渠道有限，家庭儲蓄主要通過銀行等金融中介才能投給企業，銀行是我國金融資源配置的核心。一方面，銀行以存款利率從家庭手中獲得資金，在將其轉化為企業貸款時本身面臨著調整成本。而巴塞爾協定又要求銀行風險資產不得高于自身凈資產的一個比例，因此銀行還受到資本充足率的監管要求。由此形成了存在于家庭和銀行之間的“存貸溢價”。另一方面，由于銀企之間的信息不對稱性，銀行出于對企業違約的擔心，要求企業在申請貸款的時候需要以自身資產作為抵押，而銀行則需要支付額外的成本以審計企業抵押資產的真實價值。由此形成了存在于銀行和企業之間的“外部融資溢價”。在上述兩種摩擦的作用下，企業的實際融資成本是在基準存款利率的基礎上分別疊加了“存貸溢價”和“外部融資溢價”（梅冬州等，2021）。

在上述金融格局下，以銀行分支機構空間分布形成的金融地理結構成為了影響企業信貸資源可得性的重要因素。從理論上講，地理距離對金融交易的影響主要體現在兩個方面，一是地理距離抬高了交易成本，二是信息不對稱阻礙了風險控制。銀企之間地理距離的縮短有助于企業信貸資源可得性的提高，主要體現在如下兩點：第一，銀企間地理鄰近可以增加雙方之間的溝通互動和信息交流，有助于銀行獲取與企業相關的“軟信息”，緩解銀企之間的信息不對稱；第二，地理距離的臨近還能夠降低銀企之間的成本，如交通成本、時間成本、監督成本等市場成本?，F有研究指出，較遠的銀企距離將產生更高的各類成本，因此借款人通常是在最近的銀行分支機構進行借款，這造成企業所能夠獲取的信貸資源在地理空間上存在一個半徑范圍（Amore et al.，2013; Berger et al.，2017;李志生等，2020；張偉俊等，2021）。而在該半徑范圍內，銀行分支機構數量越多，企業獲取的信貸資源就越豐富（蔡慶豐等，2020），能夠接觸的信貸渠道面就越廣。而銀行資產證券化又是通過信貸渠道對企業產生影響，對于信貸渠道越廣、信貸資源可得性越高的企業，其受到銀行資產證券化影響的程度也就越高。一個本身就沒有機會獲得銀行信貸融資的企業，其自然也就不會受到銀行資產證券化的影響。因此，分支機構的空間分布實際上成為了銀行資產證券化影響企業活動的重要渠道。據此，本文提出：

假設1：周邊一定半徑范圍內銀行分支機構數量越多的企業，其受到銀行資產證券化影響的程度越高。

另一方面，隨著資產證券化業務的開展，銀行能夠將流動性較差的資產，通過特殊目的載體（SPV）進行結構性重組并進行信用增級，以未來可測的穩定現金流為支撐，將其轉化為可在金融市場出售的有價證券。這使得銀行能夠在不增加其負債的情況下，以盤活沉淀資產的方式獲得更多融資，提高了資本充足率，從而有助于降低“存貸溢價”。此外，資產證券化還將銀行傳統的“發起-持有”經營模式轉換為“發起-分銷”的模式，改變了銀行過去單純依靠存貸利差的經營路徑，拓寬了銀行通過中間業務盈利的渠道，提高了銀行的盈利能力和績效水平。而資產證券化過程所蘊含的“真實出售”環節則通過對信用風險進行剝離、轉移和分散，降低了銀行的風險水平（郭甦和梁斯，2017；李佳，2019），進而提高了銀行的風險控制能力（Allen and Santomero， 1997）。由于存在資產證券化的兜底，這更可能在一定程度上改變銀行的風險偏好，提升銀行對企業違約風險的容忍程度。因此，這將有助于降低“外部融資溢價”?！按尜J溢價”和“外部融資溢價”的降低直接導致了企業融資成本的降低，進而緩解了企業的融資約束。據此，本文提出：

假設2：銀行資產證券化活躍程度的提高有助于降低企業融資成本，緩解企業融資約束。

假設3：銀行資產證券化活躍程度的提高有助于提高銀行風險控制能力和銀行風險偏好。

不同于一般生產性投資，研發投資周期長、風險高、不確定性也更大。創新企業還出于商業機密的考慮不愿向銀行準確透露研發項目的具體細節，加之研發創新難以通過有形資產的形式提供抵押品，進而產生信息不對稱和逆向選擇的問題，導致企業研發投資更容易受到融資約束的制約。由于資產證券化的開展能夠降低企業因“存貸溢價摩擦”和“外部融資溢價摩擦”所產生的融資成本，而融資約束的緩解則能夠極大促進企業研發創新的投資積極性。此外，資產證券化作為風險管理工具的功能還通過轉移銀行面臨的信貸風險，提高了銀行的風險偏好，有助于增強銀行直接將信貸投放于“高風險-高收益”的研發創新項目的意愿。據此，本文提出：

假設4：銀行資產證券化活躍程度的提高有助于促進企業研發強度的提升。

本文將圍繞上述理論分析和研究假設展開驗證。余下的內容安排如下：第三部分為實證研究設計；第四部分為實證研究結果及討論；第五部分為進一步研究，其中包括了對影響機制和異質性的討論；第六部分為結論和政策啟示。

三、研究設計

（二）變量與數據

1. 被解釋變量

本文的被解釋變量為企業創新，基準模型中本文采用企業的研發投入強度（RDit）作為其代理變量，以企業研發投入與營業收入之比（%）表示，研發投入強度越高說明企業研發創新活動越活躍。后續研究中，本文還使用了企業專利申請數量、專利引用次數等相關指標來構建企業創新的代理變量，以體現企業創新的質量和突破式創新水平。

2. 核心解釋變量

本文的核心解釋變量之一為銀行企業貸款證券化活躍程度（Securitizationt）。本文采用各年全國銀行業金融機構的企業貸款支持證券發行規模與全國銀行業金融機構貸款余額之比來表示。核心解釋變量之二為信貸資源可得性指標（FinAccess），我們希望通過信貸資源可得性在個體截面上存在異質性來幫助識別銀行資產證券化對企業創新的因果效應。具體而言，本文在城市層面為每一家上市公司匹配位于同一城市的所有銀行分支機構，利用上市公司總部辦公地址和銀行分支機構的經緯度數據，計算上市公司與該城市所有銀行分支機構的地理距離，以企業半徑20km 范圍內的銀行分支機構數量的對數來衡量信貸可得性?？紤]到銀行基層網點幾乎都沒有放貸權限，僅僅是吸儲，為此我們從銀監會公布的全國20 多萬家各類商業銀行分支機構的金融許可證信息中提取了銀行分支機構中的一級分行、二級分行和支行，進而構造了上市公司周邊一定半徑范圍內銀行分支機構的信貸資源可得性指標。之所以選擇20km 作為閾值半徑，是因為現有研究證實這是銀行和企業之間產生最大關聯效應的距離①，例如：Amore et al.（2013）利用美國數據計算的11 英里（即17km）；張偉俊等（2021）利用中國數據計算的20km。

3. 控制變量

公司層面的控制變量包括：企業規模（Size），以企業資產總額的自然對數表示；盈利能力（Roa），以企業資產收益率表示；政府補貼（Subsidy），以企業該年獲得的財政補助與企業資產總額之比表示；企業杠桿（Lever），以企業資產負債率表示；現金流比例（Cash），以企業貨幣資金及交易性金融資產與資產總額之比表示。另外還有企業年齡（Age）、企業總資產增長率（Targ）、企業資產流動性（Liqui）、董事會規模（Bdsize）、總經理和董事長是否二職合一（Chair）、第一大股東持股比例（First）。宏觀層面的控制變量包括：貨幣政策（MP），以銀行間7 天同業拆借率表示。還有經濟政策不確定性（EPU）、廣義貨幣供給增長率（M2）、GDP 增長率（GDP）、企業景氣指數（FIRMPI）、宏觀經濟景氣指數先行指標（MACROPI）。②

4. 數據說明

本文以2012 年中國資產證券化試點重啟的時間節點作為起始年份，選擇2012-2020 年A 股非金融上市公司為研究樣本。全國銀行業金融機構企業貸款支持證券發行規模數據來自“中國資產證券化分析網”，銀行業金融機構貸款數據來自Choice 數據庫；銀行分支機構及其地理信息的數據來自中國銀保監會“許可證信息查詢平臺”，經緯度信息通過百度地圖API 獲??；公司財務數據及辦公地址信息均來自CSMAR 數據庫；公司專利相關數據來自CNRDS 數據庫；宏觀層面的數據來自Choice 數據庫。本文對公司層面的連續變量在2.5%分位數上進行了雙側縮尾處理，以緩解離群值的干擾。最終樣本包括22 233 個公司-年度樣本觀測值。企業層面的主要變量描述性統計見表1。

四、研究結果及討論

（一）基準回歸結果

基準模型的回歸結果報告于表2，其中列（1）報告的為企業創新（RD）對銀行企業貸款證券化活躍程度（Securitization）的回歸結果，即對式（1）的回歸結果；列（2）報告的為企業創新（RD）對企業信貸資源可得性（FinAccess）的回歸結果；列（3）為在列（1）的基礎上加入了企業信貸資源可得性的回歸結果；列（4）為對式（2）的回歸結果。

列（1）的結果顯示，銀行企業貸款證券化活躍程度（Securitization）的回歸系數顯著為正，說明全國銀行業金融機構的企業貸款證券化活躍程度的上升，促進了企業研發投入強度的提高；列（2）的結果顯示，企業信貸資源可得性（FinAccess）的回歸系數同樣顯著為正，說明企業周邊20km 范圍內銀行分支機構數量的增加同樣有助于促進企業研發活動的開展。在列（3）中，本文同時加入了銀行企業貸款證券化和企業信貸資源可得性，結果顯示：企業信貸可得性（FinAccess）的回歸系數與列（2）完全一致，而Securitization 的回歸系數與列（1）相比，其數值大小有所下降，但仍然在1%的水平上具有統計顯著性，意味著企業信貸可得性對于企業研發投入強度的變化具有解釋能力。這說明銀行企業貸款證券化的確是通過信貸渠道對企業研發投入產生影響的。因此，本文在列（3）的基礎上進一步加入了銀行企業貸款證券化活躍程度（Securitization）和企業信貸可得性（FinAccess）的交互項（Securitization×FinAccess），回歸結果報告于列（4）。列（4）中，本文主要關注交互項Securitization×FinAccess的估計系數。結果顯示，Securitization×FinAccess在5%的水平上顯著為正，意味著相比于信貸資源可得性較低的企業，全國銀行業金融機構的企業貸款證券化活躍程度的上升，會使得周邊20km 范圍內銀行分支機構更多的企業其研發強度提高的幅度更大，至此，假設1 和假設4 得以驗證。對于這一結果，本文同樣可以將其解釋為：隨著企業信貸可得性的增加，銀行企業貸款證券化活躍程度的上升會促進企業研發強度的提高。

（二）穩健性檢驗：更換參數估計方法與替換核心解釋變量

考慮到本文被解釋變量企業研發投入強度為非負數據，且存在較多觀測值為0。實際上，在本文22 233 筆觀測值中，有5 965 筆觀測值的研發投入強度為0，占比近1/4。一般來說，對于計數數據而言，泊松偽最大似然估計（PPML）是一個合適的選擇，而Gourieroux et al.（1984）通過放松對被解釋變量分布的假設，使PPML 不再局限于計數數據，而是可以應用于任何非負的被解釋變量，尤其是當非負數據中存在較多觀測值為0 的時候。并且，表1 對變量RD 的描述性統計顯示，其期望為3.405，方差為3.788，二者較為接近，較為符合泊松回歸對被解釋變量的分布要求。對此，本文重新采用PPML 方法對式（1）和式（2）進行參數估計，結果報告于表3 列（1）-（2）。此外，本文還利用全國銀行業金融機構的企業貸款支持證券發行規模與銀行業金融機構資產總額之比來作為銀行資產證券化活躍程度的代理變量，以重新對式（1）、（2）進行估計，結果報告于表3 列（3）、（4）。

由表3 列（1）-（2）的結果可知，Securitization與Securitization×FinAccess對RD 均有顯著為正的影響，這與基準回歸一致。但是，本文需要特別留意PPML 方法所估計參數的含義，其表示當解釋變量發生微小增量時，被解釋變量的提高平均將增加多少百分點。此外，列（3）-（4）的估計結果也與基準模型一致，說明本文結論較為穩健。

（三）穩健性檢驗：對內生性問題的討論

1. 遺漏變量和反向因果問題

考慮到上市公司所在地的城市規?；蛘甙l達程度或者城市行政等級與公司的信貸獲取能力相關，因此我們可能遺漏了城市層面那些能夠對企業信貸獲取能力產生影響的因素。針對基準回歸模型依舊存在遺漏變量問題的擔憂，本文在式（2）的基礎上加入了城市固定效應，以控制不同城市的特征對企業研發創新的影響，回歸結果報告于表4 列（1）。此外，本文還在基準模型式（2）的基礎上進一步加入了城市-年份固定效應以控制城市層面逐年變化的不可觀測的因素對企業研發創新的影響，比如城市層面逐年變化的經濟波動對企業研發產生的影響。同時本文還加入了行業-年份固定效應，以控制行業層面逐年變化的不可觀測因素對企業研發活動的影響，比如行業層面逐年變化的需求沖擊。上述結果報告于表4 列（2）。

為盡可能將內生性問題帶來的影響降到最低，保險起見，本文還對資產證券化活躍程度（Securitization）滯后一階處理，構造滯后一期的資產證券化活躍程度（L.Securitization）與企業信貸可得性的交互項L.Securitization×FinAccess，回歸結果報告于表4 列（3）。此外，真正值得本文注意的是企業信貸可得性，其是基準模型式（2）中潛在內生性的重要來源?？赡艿脑蛟谟?，研發創新越活躍的企業其融資需求越大，銀行出于拓展業務的考慮可能傾向于在企業融資需求更高的地區設立分支機構。為此，本文借鑒李志生等（2020）的做法，以當年銀行分支機構數量對上一年度企業研發強度進行回歸，提取回歸殘差并記為r.FinAccess，回歸殘差r.FinAccess可以被解釋為當年銀行分支機構數量中不受上一年度企業研發創新行為影響的部分。因此，可以用殘差r.FinAccess來替代信貸可得性r.FinAccess作為解釋變量，并構造其與企業貸款證券化活躍程度的交互項Securitization×r.FinAccess，回歸結果報告于表4 列（4）。另外，本文還同時將Securitization和FinAccess作為潛在內生性來源，以構造交互項L.Securitization×r.FinAccess，回歸結果報告于表4 列（5）。

由表4 列（1）-（2）可知，無論控制何種固定效應，銀行資產證券化活躍程度與信貸可得性的交互項（Securitization×r.FinAccess）的估計系數依然在5%的水平上顯著為正，系數估計值大小與表2 列（4）中基準模型的估計結果相比變化不大。上述結果與基準模型的結論一致，說明遺漏變量問題對本文估計結果影響不大。此外，列（3）-（5）中L.Securitization×FinAccess、Securitization×r.FinAccess以及L.Securitization×r.FinAccess的估計系數在1%的水平上顯著為正，且其系數估計值大小也與表2 列（4）中基準模型所對應的估計值在同一數量級，說明在考慮了反向因果關系后，本文的結論依然穩健。

2. 基于工具變量方法的檢驗

為了進一步獲得穩健的估計結果，本文尋找歷史工具變量，以進行兩階段最小二乘估計。我們從銀監會公布的自1949 年以來全國20 多萬家各類商業銀行分支機構的金融許可證信息中提取了1984 年的銀行分支機構地址，并獲取了其地理經緯度坐標。在此基礎上，計算1984 年的銀行分支機構與樣本期間（2012-2020）上市公司總部辦公地址間的距離，得到上市公司周邊20km 半徑范圍內在1984 年存在的銀行分支機構數量，并將其與時間趨勢項（Trend）相乘進而構造具有時變特征的工具變量。對于該工具變量的選擇，理由如下：

中國人民銀行的商業性業務于1984 年被正式剝離，形成了工、農、中、建四大國有專業銀行體系。1984 年的國有專業銀行體系為現代中國的商業銀行分支機構的分布奠定了基礎，因此，1984年的銀行分支機構的空間分布滿足工具變量相關性假設條件。其次，在1984 年，處于計劃經濟體制時期的國有專業銀行的主要功能是承擔政策性任務，其主要依靠貸款指令性計劃分配經濟建設所需資金，無法滿足企業尤其是民營企業的資金需求。在當時的環境下，銀行是否在某一地理位置設立分支機構的決定與某一家企業幾乎沒有關系，因此有理由相信歷史年份的銀行分支機構地理空間分布與當代上市公司的特征不相關，工具變量滿足外生性假設條件。我們重新利用兩階段最小二乘法進行了工具變量估計，估計結果見表5。

表5 列（1）-（2）所報告的兩階段最小二乘的第一階段回歸顯示，本文選取的工具變量（Branch1984）對企業信貸可得性（FinAccess）具有顯著為正的邊際影響。上述結果說明，本文構造的工具變量與內生變量呈顯著的正相關關系，符合本文的理論預期。此外，第一階段回歸的F 統計量的值（57.86與40.44）也均超過10，說明不存在弱工具變量現象。列（3）第二階段回歸中，不可識別檢驗（Underidentification test）的Kleibergen-Paap rk LM 統計量為37.309，在1%的水平上顯著拒絕“工具變量識別不足”的原假設；弱工具變量檢驗（Weak identification test）的Cragg-Donald Wald F 統計量大于Stock-Yogo weak ID 檢驗在10%水平上的臨界值，檢驗結果說明不存在弱工具變量問題。上述檢驗結果表明本文選擇的工具變量是有效的。

兩階段最小二乘的估計結果顯示，交互項（Securitization×FinAccess）的系數為3.894 2，且在1%的水平上具有統計顯著性?；貧w結果說明：資產證券化活躍程度的上升，對那些周邊20km半徑范圍內有更多銀行分支機構的企業的研發創新促進作用要更強。綜上，工具變量回歸的結果與基準模型是一致的，本文的主要結論是穩健的。

五、進一步研究

（一）影響機制

本文在理論分析中闡述了銀行的資產證券化通過降低企業融資成本、緩解企業融資約束進而促進企業研發強度提高的影響機制。此外，本文還推測資產證券化對企業融資成本的降低作用是因其提高了銀行的風險偏好，進而降低信貸溢價。在此部分，本文將分別從企業融資約束、企業創新質量以及銀行風險偏好等三個方面來對假設1 和假設2 進行驗證。

其中，Cost 表示企業融資成本，參考李雪松等（2017）的做法，本文采用企業利息支出與營業收入之比表示，將其記為Cost1；同時也參考張偉華等（2018）的做法，采用企業利息支出、手續費支出及其他財務費用之和占期末總負債的比重表示，并記為Cost2。FC 表示企業融資約束，參考鞠曉生等（2013）的做法，本文利用SA 指數來表示，將其記為FC1，其為負且絕對值越大表示企業受到的融資約束程度越嚴重；同時也采用WW 指數作為融資約束的代理變量，并記為FC2①。對式（3）和（4）的估計結果見表6。

表6 列（1）-（2）的結果顯示，交互項Securitization×FinAccess無論是對以Cost1 還是Cost2 表示的融資成本都具有顯著為負的影響；列（3）-（4）的結果顯示，Securitization×FinAccess對分別以FC1 和FC2 表示的融資約束也都具有顯著為負的影響。上述結果表明，銀行資產證券化活躍程度的提高有助于那些周邊20km 半徑范圍內銀行分支機構數量更多的企業降低融資成本、緩解融資約束。需要指出的是，企業周邊銀行分支機構數量較多并不意味著該企業能夠獲得真正有效的信貸供給，其更多體現的是企業獲取信貸資源的一種可能性，而銀行對企業最終發放貸款與否是在綜合考慮了企業財務特征、盈利能力、經營狀況、項目風險及其市場前景等因素之后的結果。本文的結果表明，在銀行資產證券化的作用下，企業獲取信貸資源的這種可能性被真正轉化為了有效的信貸供給，這可能是銀行進行企業貸款證券化影響了其風險偏好，改變了銀行放貸行為，增加了銀行信貸投放意愿的結果。

2. 企業創新質量

根據本文在理論分析中的推斷，如果銀行資產證券化活躍程度的提高能夠促使銀行風險偏好和風險控制能力的提高，那么這將極大緩解銀行低風險的經營模式和企業高風險的創新行為之間不匹配問題。如此一來，銀行進行企業貸款證券化活躍程度的提高將激勵其增加對“高風險-高收益”的研發創新項目的風險容忍程度和信貸投放意愿。相反，對于創新質量較低、創新難度較小的低風險項目而言，銀行利用現有的金融產品和服務就能滿足業務的需求和風險控制的需要，因此，資產證券化對低質量、低風險的創新行為的影響是相對有限的。從這一邏輯出發，本文推測銀行的資產證券化活躍程度的提高對那些更有技術含量、研發難度更大、創新結果不確定性更高的突破性技術創新的促進作用更大。為此，本文建立了如下固定效應模型：

式（5）中，Patent 表示企業專利申請數量的自然對數。借鑒黎文靖和鄭曼妮（2016）的做法，根據發明專利、實用新型專利、外觀設計專利這三類專利的技術含量和質量，本文將企業申請的專利劃分為創新質量較高的發明專利（InnoPatent）和創新質量較低的非發明專利（non_InnoPatent）。對于發明專利而言，其對應了研發難度更大、風險和不確定性更高的研發項目；非發明專利包括了實用新型專利和外觀設計專利，其對應的研發創新項目難度更小、風險更低。式（6）中，Radical 表示的是突破式創新，與之相對的是增量式創新（Incremental）。參考Luong et al.（2017）的做法，本文首先在“專利-年度”層面將被引次數位于該專利技術類別被引次數75%分位數水平之上的專利標記為突破式創新，引用次數在其所在技術類別被引次數25%分位數水平之下的專利標記為增量式創新。隨后，在“企業-年度”層面對突破式創新的專利數量和增量式創新的專利數量進行加總，并取其自然對數來表示企業突破式創新水平和增量式創新水平。專利被引次數反映了創新的技術重要程度，被引次數越多的專利代表了在關鍵領域進行了路徑突破，甚至是技術范式的顛覆，對技術前沿的變革產生了廣泛而深遠的影響。因為其影響了各個領域的后續創新，與之匹配的研發項目難度更大、風險和不確定性也更高。相反，增量式創新只是在延續現有技術路徑之上的平穩改進，與突破式技術創新相比，質量、難度、風險和不確定性也將更小。對式（5）和（6）的回歸結果報告于表7，其中列（1）-（3）的被解釋變量分別為企業專利申請總量（Patent）、發明專利申請量（InnoPatent）和非發明專利申請量（non_InnoPatent）；列（4）和列（5）的被解釋變量分別為突破式創新（Radical）和增量式創新（Incremental）。

對于表7 的估計結果，本文主要關注交互項Securitization×FinAccess的系數。列（1）顯示，Securitization×FinAccess對企業專利申請數量具有顯著為正的影響，說明相比于周邊20km 半徑范圍內銀行分支機構數量較低的企業，銀行資產證券化活躍程度的提高，會使周邊20km 半徑范圍內銀行分支機構數量更多的企業其專利申請數量增加的幅度更大?；鶞誓Ｐ椭械难邪l強度是一個投入指標，而專利申請數量則是一個產出指標，這意味著企業貸款證券化不僅能夠提高創新投入，還提高了創新產出，這進一步驗證了本文在基準模型中獲得的結論。列（2）-（3）的結果顯示，資產證券化活躍程度的提高對技術質量更高的發明專利申請量的促進作用更加突出，而對技術質量較低的非發明專利的促進作用則不明顯，說明資產證券化對企業創新產出的促進作用主要體現在對研發難度更大，質量、風險和不確定性更高的發明專利上。列（4）-（5）的結果顯示，資產證券化活躍程度的提高顯著促進了企業進行突破式創新，而對增量式創新則產生了抑制作用，說明資產證券化的創新促進效應是真正激勵了企業從事更高風險、更有價值的實質性創新。列（2）-（5）的結果意味著，資產證券化更能夠促進企業進行難度更大、風險和不確定性更高的突破式創新，而對低風險、低難度的增量式創新影響不顯著，甚至產生了抑制作用，從側面驗證了資產證券化活躍程度的提高，通過增強銀行的風險偏好，激勵了銀行增加對“高風險-高收益”的研發創新項目的風險容忍程度和信貸投放意愿，最終推動了企業進行風險更高的突破式創新活動并提高了創新產出水平。

3. 銀行風險偏好

前面，本文從企業的角度出發，論證了資產證券化活躍程度的提高促進了研發難度更大、研發風險和不確定性更高的突破式創新活動。在本部分，本文將從銀行的角度，進一步驗證企業貸款證券化活躍程度的提高對銀行風險偏好和風險控制能力的影響。為此，本文建立如下一系列固定效應模型：

至此，本文分別從三個角度揭示了銀行資產證券化活躍程度的提高對企業的創新促進作用的影響機制。本文的分析表明，銀行資產證券化活躍程度的上升通過提高銀行風險識別和控制能力，降低了銀行風險水平，增強了銀行風險偏好，這有助于降低銀行對企業貸款施加的信貸溢價，從而降低企業融資成本、緩解企業融資約束，最終促進了企業研發投入強度的提高和創新產出質量的提升。

（二）異質性檢驗

基準模型的結果顯示了銀行資產證券化活躍程度的提高對企業研發投入強度的提高具有促進作用，同時，本文還從企業融資約束、企業創新質量以及銀行風險偏好三個角度對影響機制進行了揭示。本部分本文將從地區、行業和企業層面的異質性出發，進一步加深對本文主要結論的理解。

1. 地區異質性

表9 列（1）-（2）是將樣本企業按照所處省份的市場化水平進行分組，列（1）報告的是高市場化水平組，列（2）是低市場化水平組。對于各省份市場化水平，本文根據《中國分省份市場化指數報告（2021）》①測度的2008-2019年各省份市場化指數，按照各省份平均增長率外推至2020 年，并按全國市場化水平的均值，將各企業按照其所在地劃分為高市場化水平組和低市場化水平組。本文發現，在市場化水平高的地區，Securitization×FinAccess對RD具有顯著為正的影響，而在低市場化水平的地區則不顯著。這可能是因為，高市場化水平本身就蘊含了完善的市場中介組織和健全的知識產權保護制度，這對創新項目投資者的權益和企業創新行為的收益都提供了制度保障，更有助于激勵企業從事研發創新活動。

表9 列（3）-（4）是將樣本企業按照所在省份僵尸企業數量占比進行分組，列（3）報告的是高僵尸企業占比組，列（4）報告的是低僵尸企業占比組。對于僵尸企業的識別方法，本文參考了蔡宏波等（2020）的做法。本文首先在“企業-年度”層面將企業利潤總額減去政府補貼得到實際利潤，將連續2 年實際利潤為負的企業識別為僵尸企業，并將僵尸企業數量匯總至“省份-年度”層面獲得各省僵尸企業占比，最后按照全國均值將各省份劃分為高僵尸企業占比組和低僵尸企業占比組。

本文從回歸結果中發現，在僵尸企業數量占比較低的省份，Securitization×FinAccess對RD具有顯著為正的影響，而在僵尸企業數量占比較高的地區則不顯著。一種可能的解釋是，地方政府對銀行信貸投放的過度干預扭曲了信貸資源的配置，導致低效益、低生產率以及落后產能的企業得以繼續生存，由此催生的大量僵尸企業，擠占了正常企業進行創新活動的信貸資源，造成在僵尸企業數量占比較高的地區，銀行資產證券化活躍程度的提高對企業創新的積極作用被稀釋。而低僵尸企業數量占比地區的經濟更加活躍，資源配置效率更高，企業創新積極性更高，因此，銀行通過貸款證券化釋放的流動性對那些位于更具活力和效率市場中的企業的創新促進作用更強。

2. 行業異質性

表10 列（1）-（2）是將樣本企業按照所處行業進行分類，列（1）是高技術行業組，列（2）是非高技術行業組。本文根據國家統計局《高技術產業（制造業）分類（2017）》和《高技術產業（服務業）分類（2018）》①的指導標準，將樣本企業劃分為高技術行業和非高技術行業，并進行分樣本回歸。

由列（1）-（2）的結果可以看出，交互項Securitization×FinAccess在高技術行業組中顯著為正，而在非高技術行業組中雖然為正，但不顯著。相比于非高技術行業，高技術行業的研發創新的難度和不確定性更大、風險水平更高、信息不對稱更強，本文的結果顯示，相比于周邊20km 半徑范圍內銀行分支機構數量較少的企業，銀行企業貸款證券化活躍程度的提高對那些周邊20km 半徑范圍內銀行分支機構更多且同時又從事高技術行業的企業的研發創新促進作用更為突出。這進一步從側面說明了銀行資產證券化確實提高了銀行的風險偏好，增強了銀行對企業從事高技術創新研發項目的風險容忍程度。

表10 列（3）-（4）是將樣本企業按照所處行業對外融資依賴度進行的劃分，列（3）是高外部融資依賴度行業組，列（4）是低外部融資依賴度行業組。參考Rajan and Zingales（1998）的做法，本文利用企業資本支出和營運現金之差與資本支出之比來衡量單個企業的外部融資依賴度，隨后用行業內企業的外部融資依賴度的均值衡量行業的外部融資依賴度，再按行業均值劃分為高外部融資依賴度行業和低外部融資依賴度行業。

列（3）-（4）的結果顯示，Securitization×FinAccess對企業研發創新的促進作用僅在高外部融資依賴度行業中顯著，而在低外部融資依賴度行業中不顯著，說明相比于周邊銀行分支機構數量較少的企業，銀行資產證券化活躍程度的提高對那些周邊有較多銀行分支機構且對外融資依賴度更高行業的企業的研發創新促進作用更為顯著?？赡艿脑蛟谟?，由于低外部融資依賴度行業的企業在進行研發投資時面臨的融資困境較小，銀行通過證券化釋放的流動性對該行業的企業產生的邊際影響較低。這也進一步支持了本文在理論分析中闡明的機制，即企業貸款證券化通過降低企業融資成本、緩解企業融資約束進而促進企業研發創新。

3. 企業異質性

表11 對企業異質性進行了探討。根據上市公司的所有制屬性，本文將樣本企業劃分為國有企業和民營企業；根據國家統計局《統計上大中小微型企業劃分辦法（2017）》①，本文將樣本企業劃分為大型企業和中小企業。列（1）-（4）的結果顯示，交互項Securitization×FinAccess對企業研發創新（RD）的促進作用在民營企業和中小企業中具有統計顯著性，而對國有企業和大型企業的研發創新的影響則不明顯。中國的信貸市場歷來存在“所有制歧視”和“規模歧視”，國有企業和大型企業能夠更容易地從銀行獲得貸款，而民營企業和中小企業即使其周邊有更多的銀行分支機構或是具有信貸獲取的便利性，但由于受到自身規模和所有制的束縛，在信貸市場上仍可能面臨更多的摩擦，真正可得的信貸資源也較少。本文的證據表明，銀行資產證券化活躍程度的上升對那些周邊20km 半徑范圍內銀行分支機構數量較多但面臨更多借貸摩擦和財務困境的民營企業和中小企業的研發創新促進效應更為突出，這再次證明了銀行企業貸款證券化通過緩解企業融資約束、降低企業融資成本進而促進企業研發創新的機制路徑。

本文還進一步針對僵尸企業和非僵尸企業進行了異質性分析②，結果報告于表12。其中，列（1）-（2）是針對僵尸企業的分組回歸結果，列（3）-（4）是針對非僵尸企業的分組回歸結果。列（1）-（2）的結果顯示，交互項Securitization×FinAccess對僵尸企業的RD 和FC 的影響都不具有統計顯著性；而列（3）-（4）的結果顯示，交互項Securitization×FinAccess對非僵尸企業的RD 的影響顯著為正，同時對FC 則具有顯著為負的影響。上述結果表明，隨著企業周邊20km 半徑范圍內銀行分支機構數量的增加，銀行資產證券化活躍程度的提高有助于緩解非僵尸企業的融資約束，顯著促進非僵尸企業的研發創新。由于可以通過資產證券化轉移風險，這導致銀行更容易放松對信貸質量的監管而降低放貸標準（Stein， 2010），造成信貸資源流向低效率的僵尸企業。而僵尸企業由于產能落后、生產效率低下，導致盈利能力不足和績效不佳，因此其正常歸還銀行借款的能力較低，這反過來又增加了銀行的信貸風險敞口（陳瑞華等，2020）。但是企業周邊銀行分支機構數量的增加卻強化了銀行競爭，這增強了銀行識別低效率的僵尸企業的能力（王海等，2021），提高了信貸資源的配置效率。因此，在信貸可得性的效率識別功能和貸款證券化的風險控制功能的共同作用下，銀行增加的是對那些最具有創造力和生產效率的企業進行風險更高的突破式技術創新的支持。

六、結論與啟示

本研究的主要結論如下：①全國銀行資產證券化活躍程度的提高，會使得周邊一定半徑范圍內銀行分支機構數量更多的企業其研發強度提高的幅度更大。②上述現象背后的作用機制在于，周邊一定半徑范圍內銀行分支機構數量的增加拓展了企業的信貸渠道接觸面，而銀行資產證券化活躍程度的上升則提高了銀行的風險偏好和風險容忍程度，在上述兩方面的作用下，有助于降低企業融資成本、緩解企業融資約束，最終促進了企業進行更高風險的突破式技術創新。③地區異質性方面，銀行資產證券化對企業創新的促進在高市場化水平省份和低僵尸企業占比省份更加顯著。④行業異質性方面，銀行資產證券化對高技術行業和高外部融資依賴度行業企業的研發創新促進作用更強。⑤企業異質性方面，銀行資產證券化對非國有企業和中小企業的創新促進作用更為突出。⑥此外，在分支機構空間擴張帶來的效率識別功能的作用下，銀行資產證券化促進的是那些最具有創造力和生產效率的企業進行風險更高的突破式技術創新。

根據上述結論，本文認為深化金融體制改革，推動資產證券化等金融創新的發展，形成多層次的資本市場，有助于提高金融服務實體經濟的能力；有助于改善企業尤其是民營企業和中小企業面臨的融資約束；有助于緩解銀行穩健經營和企業創新之間的矛盾。為此，首先要進一步加強金融基礎設施的建設，優化各類銀行分支機構的布局，擴大金融服務的覆蓋面和普惠性，防止其扎推集中到某個特定企業周邊。第二，需要繼續推動各地區市場化水平的提高，培育壯大市場中介組織，健全完善知識產權保護體系，要重視制度因素在激勵企業研發創新過程中的積極作用。第三，要特別重視并確保市場在資源配置中的主導地位，減少因政府過度干預所導致的資源配置扭曲，積極引導要素流入效率更高的企業。第四，在發揮資產證券化促進企業創新的積極作用的同時，還要注意到風險的防控和金融創新可能引發負面影響。為此，需要健全宏觀審慎的監管體系，強化證券市場的監管意識，并警惕證券化的快速擴張可能引發的其與實體經濟發展的背離，深刻把握資產證券化等金融創新工具其服務實體經濟的本質。