本文探讨由银行与非银行金融机构发展与使用的两种金融科技创新对我国A股上市公司舞弊行为的影响. 基于2011年至2020年的面板数据, 研究结果表明, 两种金融科技均能通过增强企业内部控制水平与外部关注水平来抑制企业舞弊. 异质性分析表明, 两种金融科技的抑制效应在数字化转型较高、信息披露较低的企业中更为显著. 另外, 由于金融科技研发者的经营条件、策略、目标不同, 银行金融科技的抑制效应在所有企业中显著, 而非银行金融科技的抑制效应则仅在高风险企业中显著. 区分企业舞弊类型时, 两种金融科技对信息披露类、资金使用类以及其他类舞弊行为造成了显著的抑制效应. 本文进一步分析发现银行金融科技与非银行金融科技的应用效果之间存在复杂的互动关系. 具体地, 银行金融科技的抑制效应在非银行金融科技发展较弱时显著, 非银行金融科技的抑制效应则在银行金融科技发展较强时显著. 通过同时纳入两种金融科技及其交互项, 两种金融科技在资金使用类与其他类中体现出显著的协同抑制效应. 最后, 本文的结果还表示两类金融科技的协同发展有可能会带来潜在的风险. 综上所述, 本文在识别金融科技发展对企业舞弊行为影响的基础上, 凸显了不同类型金融科技的“共性”特征与“个性”差异, 强调银行金融科技和非银行金融科技之间潜在的未来合作机会, 并指出金融科技发展过程中的潜在风险.
创业是缓解社会就业压力的关键手段之一, 也是保障经济中高速增长的长期动力. 数字普惠金融的深入发展激发了创业活力, 但其是否能够有效提高创业质量仍是值得探究的话题. 本文利用中国家庭金融调查(CHFS)数据研究发现, 数字普惠金融对于提升家庭创业绩效具有积极影响. 进一步分析表明, 优化创业外部环境, 包括改善地区信用环境、提升地区创新水平以及推动市场一体化进程等, 是数字普惠金融提升家庭创业绩效的重要途径. 此外, 基于创业主体特征以及地区特征的差异性, 本文发现数字普惠金融对创业绩效的影响在中高金融素养家庭、异地家庭及更发达地区家庭中效果更加显著. 本文研究对于进一步推动数字普惠金融发展, 更好地提升创业发展质量具有一定的参考意义.
在金融科技发展的背景下, 本文从金融大数据复杂特征入手, 阐述了使用多源数据信息辅助目标任务的重要作用, 从多源数据的角度解释了迁移学习技术对处理数据异质性的重要性, 并对迁移学习技术相关概念和方法进行梳理和综述, 包括数据驱动和基于模型的迁移学习方法. 此外, 本文提出了基于广义矩估计(GMM) 的迁移学习方法的统一框架, 给出有效的迁移学习的算法, 并将所提出方法应用于多源数据下基于风险价值(VaR)和期望分位数(expectile)的风险度量. 然后, 在银行个人信用评估场景下模拟了样本量不足和样本不平衡两种情况, 测试了三种迁移学习方法的预测精度, 并分析了筛选资源域信息对提高估计精度的重要作用. 最后, 描述了更多迁移学习在金融领域的应用场景与发展前景.
推进大众创业、万众创新对推动经济结构调整、打造发展新引擎、增强发展新动力、走创新驱动发展道路具有重要意义, 也是促进社会纵向流动、公平正义的重大举措.本文利用中国家庭金融调查(CHFS) 2013--2017年三轮调查数据测度我国就业市场中的机会不平等, 并实证研究了其对居民创业的影响效应和作用机理.结果表明, 就业市场中的机会不平等上升将显著激发居民家庭创业动机, 机会不平等每增加一个标准差会使家庭创业概率增加1.14%; 机制分析表明, 机会不平等激发了居民的地位追求动机, 进而促进了居民创业.而扩展研究表明, 数字金融强化了机会不平等对创业的正向驱动效应, 这种强化作用是仅仅存在于城镇地区, 且是通过提高贷款可获得性实现的; 另外本文发现民生性财政支出同样可以放大机会不平等对居民家庭创业的促进作用; 在异质性分析中, 本文发现受教育程度更低、总资产更低、没有失业保险的条件相对弱势的家庭具有更强的创业动机.最后, 本文发现机会不平等抑制了创业家庭的创业绩效, 这表明政府政策应落脚到加强机会均等和帮扶居民创业.
随着数字金融的飞速发展, 数字化转型已成为商业银行的一项战略要务. 本文使用更加全面的中国银行业微观数据, 以银行数字化转型的不同阶段所具备的风险收益特征为切入点, 深入剖析其对系统脆弱性风险的动态影响机制. 实证结果表明, 银行数字化转型水平与自身的系统脆弱性风险呈显著的倒U型关系且结果十分稳健, 在考虑内生性问题后依然成立. 机制检验发现, 银行数字化转型通过改变银行收入获取效率与主动风险承担来间接影响银行自身的系统脆弱性风险. 本文的实证发现对于防范银行业系统性金融风险, 理解数字化创新与风险管理的平衡, 具有重要现实意义.
提升民生福祉是我国新时代高质量发展的核心目标之一. 数字普惠金融对提升我国居民主观幸福感具有关键作用. 本文利用2013至2019年的中国家庭金融调查数据, 基于城市等级信息, 将其与市级数字普惠金融指数进行匹配, 运用有序Probit模型实证研究了数字普惠金融发展对居民主观幸福感的影响. 研究结果表明, 数字普惠金融发展显著提升了我国居民的主观幸福感; 分维度看, 其覆盖广度和使用深度对居民主观幸福感具有正向影响, 数字化程度则产生负面效应. 此外, 数字普惠金融发展对不同收入水平和受教育水平群体的主观幸福感的影响存在显著差异. 机制分析结果表明, 数字普惠金融发展会通过提升居民金融素养、改善居民经济状况和提高社会保障水平三种途径提升居民主观幸福感.
利用2015年、2017年和2019年中国家庭金融调查数据, 结合收入转移矩阵分析法和实证分析法, 系统性研究了数字金融对农户收入流动和收入不平等的影响. 收入转移矩阵分析表明, 使用数字金融农户收入从低位次向上流动的概率高于未使用数字金融农户. 实证研究发现: 数字金融显著促进农户收入向上流动, 并显著降低收入不平等. 作用机制表明, 数字金融是通过提高农户金融可得性、促进农户发展要素积累和外出务工来提升收入流动性的. 同时, 相较于中高收入农户, 数字金融对低收入农户金融可得性、发展要素积累和外出务工影响效应更大, 有利于缩小低收入农户与中高收入农户收入差距, 降低收入不平等, 助力包容性增长. 进一步讨论发现, 数字金融通过以上三条路径主要作用于农户财产性收入与工资性收入, 最终改善农户整体收入流动与收入不平等; 此外, 数字支付与数字理财均能显著促进农户收入向上流动并降低收入不平等, 而数字借贷则影响不显著. 本文为深化数字金融促进农民持续增收、优化农村收入分配格局提供了经验依据.
数字政府建设如何通过健全数据基础设施建设赋能实体经济高质量发展, 成为实践探索的重要议题. 本文以地方政府中小企业融资服务平台作为数字政府建设的外生冲击, 研究这种数字政府建设对中小企业投资的影响. 研究发现, 融资服务平台的建立显著提高了中小企业的投资水平. 机制分析发现, 融资服务平台主要通过缓解融资约束和加强监督治理提高中小企业的投资水平. 异质性分析表明, 融资服务平台对企业投资水平的积极影响主要发生在抵押品价值较低、投资不足的企业中和法律保护程度较高地区的企业中. 本研究拓展了数字政府建设以及企业投资的相关文献, 对政府如何引导金融机构为企业特别是中小企业提供高质量金融服务具有启示意义.
基于深度学习的端到端投资组合策略具有较高的决策性能, 但其黑箱操作使得决策机制缺乏可解释性. 本文使用深度学习、强化学习及知识蒸馏方法, 构建了兼具决策能力和可解释性的端到端投资组合策略. 首先, 利用改进Transformer模型缓解其内置的二次复杂性问题, 并据此提出长序列表征提取器. 其次, 通过跨资产注意力网络和强化学习算法, 构建一个非线性的“黑箱”模型, 用于金融资产的动态配置. 然后, 通过计算模型输出相对于资产特征的梯度, 计算在特征域上的显著性向量, 从而识别出影响较大的关键特征. 最后, 在关键特征上提取一个线性回归模型, 进而得到了简单而具有经济学解释意义的端到端投资组合策略. 实证结果显示, 这种基于Transformer和关键特征的可解释端到端投资组合策略可以获得较好的收益与风险表现, 兼具深度学习决策性能和解释性. 本文的研究为深度学习在金融领域的应用提供了一种兼具高效决策能力与可解释性的投资组合策略.
指令驱动市场中, 限价指令簿是集中反映交易者意图和市场流动性的重要信息载体. 量化评估限价指令簿微观特征的信息含量, 是深入探究市场动态的基础, 对于股票价格精准预测、市场效率有效评估等方面有重要意义. 本文利用我国股票逐笔指令流数据重构了实时演化的限价指令簿, 并基于深度学习模型, 在多档位价格以及成交信息的基础上, 同时纳入从横向时间维度衡量的指令流增量信息以及从纵向空间维度衡量的指令流存量信息, 通过预测多个微观结构变量综合探讨了限价指令簿特征的信息含量. 实证结果表明, 相比于成交数据, 未成交的指令流数据蕴含了更为丰富的有效信息, 在预测微观指标方面展现出显著优势. 随着预测窗口期的延长, 这种信息优势变得更为突出, 凸显了指令流数据在市场分析与预测中的重要地位. 然而, 成交数据信息传递效率更高, 可以为市场指标的预测提供互补信息, 两个特征的组合使用可以有效提升预测性能, 该结论在对于股票自身特征的异质性分析中依然稳健. 另外, 价格档位与跨资产效应对于特征信息含量具有显著影响, 因此在指令流数据挖掘过程中需要审慎选择市场深度以及充分考虑市场环境因素.
官方微信公众号：计量经济学报
