○中国人民银行成都分行营业管理部课题组
四川成都 610041
农村金融市场结构会影响农村金融供给主体的经营行为、绩效，决定了农村金融整体效能。新中国成立以来，我国农村金融历经数次改革，金融组织体系几经调整，金融市场结构也随之改变。总体来看，我国农村金融改革以经济发展需求为导向，农村金融市场结构调整与农村金融改革进程基本一致。当前，农村经济社会迈入数字时代，数字化缓解了农村金融的诸多短板，也使农村金融市场结构面临前所未有的变革。
有别于以往政策驱动型的农村金融市场改革，数字化孕育了传统金融无法触达的农村金融新模式。数字时代如何有效搭建与之相融的农村金融体系，进一步优化农村金融市场结构？如何通过数字化引领农村金融发展，避免农村金融市场改革“按下葫芦浮起瓢”的问题？因此，研究数字化时代的农村金融市场结构不仅仅是理论问题，也是做好新时期农村金融改革工作的前瞻性探索，有助于引导农村金融市场结构朝着有利于农村数字经济发展的方向进行，助力乡村振兴。
经典经济学理论认为金融结构变动是推动经济发展的重要因素，农村金融市场结构变动也是推动农村经济发展不可或缺的要素。部分研究围绕农村金融市场结构变迁的原因及影响展开。改革开放后，我国农村金融改革以机构多样化为主线（何广文，2004），农村金融市场高垄断、低效率（崔红，2008），市场结构变迁的内在根源来自我国经济体制改革（黄惠春等，2011），制度变迁成为决定农村金融市场结构、提高市场绩效的主因（赵雪梅，2016）。随着数字乡村建设的推进，利用数字技术激活农村沉淀资产价值（温铁军，2021），提高农村金融市场竞争度，优化农村金融市场结构，促进农村金融服务“普”和“惠”两者兼得成为化解农村融资难题的重要方向（崔恒瑜等，2021）。农村金融市场结构也是研究信贷供给主体行为、绩效影响的重要方向。农村金融市场结构问题是涉农金融机构经营绩效低的重要原因（郭树华，2007），垄断性的农村金融市场降低了银行在农村地区信贷投放的积极性（罗富民，2007）。当前，数字化的引入增强了农村金融竞争，提升了农村金融市场服务效能（朱太辉等，2021），如村镇银行的设立在农村金融市场发挥了“鲶鱼效应”，提高了农信社和农商行发放涉农贷款的意愿（崔恒瑜等，2021）。部分研究关注农村金融市场结构对信贷需求主体贷款可得性的影响。农村金融市场集中度与农村中小企业信贷可得性呈显著负相关（董晓林等，2011），区域银行集中度越高，信贷获取的难度越大，其他金融机构的支农效果越弱（董艳，2020），不利于农业增长、农业全要素生产率的提高（孟守卫，2019）。数字化可覆盖规模庞大的“长尾人群”（Jagtiani,2018；
Corti⁃na,2018），数字技术可以改变农村金融获客成本高、风控难度大的制约，满足农户或小微农企的金融需求（黄益平等，2018）。
可以看出，已有研究主要围绕农村金融市场结构变迁、市场集中度与信贷可得性等方面展开，针对数字化与农村金融市场结构变化的研究相对缺乏。鉴于此，本文以农村数字化为切入点，考察农村金融市场结构的因应变化，探讨如何构建适合数字乡村发展的金融市场结构，服务乡村振兴。
综上，本文边际贡献在于：首先，把数字化引入农村金融市场结构研究，填补了数字化与农村金融市场结构研究的空白；
其次，从理论和实践两方面探析数字化对农村金融的颠覆性影响，提出数字化可能重塑农村金融市场结构；
最后，本文基础数据10余万条（不同维度数据总量40余万条），精确到县域和单家银行，具有独占性，弥补了农村金融市场结构微观数据不足短板。
回溯我国农村金融发展历程，农村金融市场从配给、垄断到竞争，市场集中度持续下降、市场结构日趋多元。近年来，随着数字技术与农村经济社会的不断融合，乡村数字化水平显著提升，农村金融市场迎来数字化变革。
1.市场集中度持续下降，市场结构不断优化。1979—2020年我国农村金融市场集中度从0.63大幅下降到0.26（见图1），市场结构持续优化，但仍属于高寡占型①HHI乘以10000后的市场分类标准，高寡占Ⅰ型≥3000，3000>高寡占Ⅱ型≥1800，1800>低寡占型Ⅰ型≥1400，1400>低寡占Ⅱ型≥1000，1000>竞争Ⅰ型≥500，500>竞争Ⅱ型。。改革开放初期，在国家恢复和重建农村金融系统的推动下，市场集中度快速下降，农村金融走向市场化；
90年代新一轮农村金融体制改革再次带动市场集中度下降，市场结构逐步改善；
2014年后金融服务“三农”政策深度发力，市场结构全面优化。从演变历程来看，我国农村金融市场结构变迁本质上是农村金融改革的缩影和结果。
图1 改革开放后农村金融市场结构（HHI）演变情况
2.机构类型日益丰富，市场结构日趋多元。历经数次农村金融改革，我国农村金融机构从改革开放初期的“二分天下”，逐渐发展为商业、政策、合作性、其他金融机构共存的格局（见图2），农村金融市场机构类型不断丰富、机构数量显著增加，市场结构日趋多元。从机构演变来看，多层次、多样性的农村金融市场体系基本建立。
图2 不同时期农村金融市场结构演变情况（分机构类型）
3.市场集中度总体呈现“西高东低”，市场结构区域差异明显。我国涉农贷款占比较高的地区由早期的中部、东部、东北部逐渐向东部发达地区集中，市场集中度呈现出“西高东低”的区域差异，表明经济发展水平与农村金融市场集中度息息相关。从区域演变来看，农村金融市场结构本质上内生于经济发展。
1.计划经济时期农村金融市场的强制性替代。在一个简化的两部门经济中，假定两个部门分别为工业部门和农业部门，在资源和技术水平既定条件下，金融资源配置到工业部门越多，农业部门使用的金融资源就越少，反之亦然。在市场机制下金融资源会根据两部门的效率流动转移，最终达到均衡状态。但在政府干预的条件下，政府可以把金融资源强制从农业部门转移到政府优先发展的工业部门。
如图3所示，生产可能性曲线上点A移向B点时，工业部门金融资源配置从Q1"增加到Q2"，而农业部门金融资源则从Q1减少到Q2。随着工业部门金融资源配置的增加，配置到农业部门的金融资源不断减少，农村金融市场走向行政垄断。
图3 农村金融资源强制性替代模型
2.转轨时期农村金融市场结构的短期均衡。市场结构会影响市场主体的行为和绩效，但从制度演进的逻辑来看，政府介入农村金融市场的适度边界本质上取决于经济社会发展状况。一直以来我国农村金融市场受到政策严格管制，制度成为主导我国农村金融市场结构演化的重要因素，因此在分析农村金融市场时还应引入制度因素。
如图4所示，假设农村金融市场是政府因素和市场因素的有效组合，那么政府和市场力量的变化决定着农村金融市场结构的短期动态均衡。图中存在市场和政府两种类型的可能性曲线，IPF1相对平缓，意味着政府力量更强，政策性金融主导农村金融市场；
IPF2比较陡峭，表示市场因素占优，商业性金融主导农村金融市场。AOD和BOC分别表示政府主导型和市场主导型市场结构的有效集合，两个区域的制度效用曲线为IU1和IU2，与制度可能性曲线IPF1和IPF2相切，切点表示政府和市场要素的最优组合。随着农村经济社会发展，有效集会向右移动，形成新的有效组合。
图4 农村金融市场结构的短期均衡
3.市场经济下农村金融市场结构的长期演进。短期来看，在农村经济发展水平的现实约束下，农村金融市场会选择成本最小的制度结构。但长期来看，制度选择和市场结构并非一成不变，只有在特定的经济和社会环境下才会实现暂时的稳态；
这种短期均衡会随着农村经济社会发展而被打破，并在制度环境、技术进步等因素的影响下形成新的均衡。
如图5所示，SCP1下方表示政府过度干预导致农村经济社会整体低效率运行，使制度的可能性曲线向SCP1收敛，直到达到新的短期均衡。SCP2上方为市场因素下农村金融缺乏制度约束，金融市场整体绩效受到损害，可能性曲线向SCP2收敛。数字化可以引领农村经济结构变化、制度变革、技术进步等，从而使均衡组合向SCP1和SCP2之间的区域靠拢，最终形成农村金融市场长期制度曲线LSCP。
图5 农村金融市场结构的长期演进
1.农村金融市场环境的数字化变革。北京大学首次发布的《县域数字乡村指数报告》显示，2018年县域数字乡村指数为50，南、北方分别为53.7和47.2，南方地区县域所有子项全面超越北方（见表1）；
2020年数字乡村指数增长到55.7，南、北方分别增长到59.5和53.0。从南北差异均值和标准差看，南、北方数字化发展水平的差距在缩小，县域间数字化发展水平的差异在降低。随着数字化渗透农村生产、生活各个领域，内生于农村数字经济发展的农村金融市场开始数字化变革。
表1 县域数字乡村发展指数
2018年数字乡村指数处在较高水平及以上的县域占比17.6%，2020年占比增长到34.5%（表2），数字化水平较高及以上的县域占比增长近100%，为农村金融市场数字化变革奠定了良好的数字环境。
表2 县域数字乡村发展情况（单位：%）
2.农村金融市场机构的数字化变革。如表3所示，从数字化转型时间来看，2015年后开始数字化转型的银行中，国有银行和城商行占比分别为83.1%和70%，农商农信和村镇银行占比约为50%和31.6%；
村镇银行和城商行未开展数字化转型的机构占比较高，分别为63.2%和23.3%。从数字化转型方式来看，内部数字化转型是国有大行和农商农信银行数字化转型的首选，占比分别为94.4%和82.1%；
城商行则以内部数字化转型为主，外部机构合作为辅。如表4所示，从数字化转型进度来看，国有大行数字化转型水平较高，数字化转型进度50%以上的占65.3%，农商农信、城商行分别占39.3%和35.5%，村镇银行数字化转型进度最低，63.2%的村镇银行尚未开始数字化转型，转型进度超50%的仅为10.5%。从数字化转型的影响来看，调查数据显示，国有大行和农商农信认为数字化转型对农村信贷业务有较大推动作用；
而城商行和村镇银行认为推动作用有限，这可能与城商行涉农贷款少，村镇银行数字化转型水平较低有关。
表3 县域金融机构数字化转型时间和方式（单位：%）
表4 县域金融机构数字化转型进度和影响（单位：%）
3.农村金融市场服务的数字化创新。数字乡村驱动农村数据资源指数级增长和裂变式衍生，多种以数据为基础的金融业务模式应运而生。主流模式包括：以阿里巴巴和京东为代表的电商平台供应链农村数字金融模式；
以大北农、新希望为代表的核心企业产业链数字金融模式和以农业银行、建设银行为代表的金融机构农村数字金融模式（见表5），三种模式叠加优化农村金融市场资金供需匹配机制，提高农村金融服务可得性、便利性和有效性。
表5 农村金融服务模式的数字化创新典型案例
数字乡村建设提高了农村生产、生活的数字化水平，同时针对农村金融市场既存底层难点，依托对服务、信用及物权价值的数字赋能路径，持续重塑农村金融市场的运行机制（见图6）。
图6 数字化发展对农村金融市场结构的重塑路径
1.数字化重构农村金融供给方式，降低需求刻画成本。农村生产及生活数据往往较为分散，难以形成有效整合，且不同家庭特征、经营规模等因素导致农村借款方的融资需求呈现显著异质性。对此，金融机构利用数字技术进一步显化农业数据内在价值，不断创新“数据获取→数据管理→数据利用”模式，打破数据系统割裂状态下的孤岛效应并精准匹配信贷供需双方，有效化解异质性影响下的供需认知障碍，逐步实现农村长尾客群信贷规模经济。例如，四川天府银行打造的数字化财富管家系统，完善客户画像并细分客群类型，定制匹配客群需求的产品及权益。
2.数字化改变农村金融服务模式，降低获客决策成本。农村往往地理位置偏远、基础设施建设薄弱、金融服务广泛深入触达难度较大，因此，金融机构利用数字技术的显著正外部性，逐步提升金融服务的覆盖率与便利性。金融机构通过搭建数字化线上服务场景，拓宽获客路径并减少对成本高昂的物理网点的依赖。如：中国建设银行发布致力于服务小微企业、个体工商户、农户的“建行惠懂你”APP3.0，目前APP服务个人用户超过1700万户，企业用户超过850万户；
同时在“适农适老”要求下，数字技术被不断应用于金融配套服务。
3.数字化强化农村金融风险防治，降低风险管理成本。受到农业弱质性影响，农村金融呈现出高风险、低收益的特点，因此在数字化背景下，金融机构利用各项数字手段优化风控机制。金融机构通过关联借款人多场景数据、动态追踪抵押品状态等方式进行数据的交叉验证，及早识别可疑信息，降低逾期发生概率。如：成都农商行基于交易信息、案件信息等，建立可覆盖农村金融业务事前、事中、事后全流程的风控体系；
而逾期发生后，则运用数字技术智能分析逾期原因及风险等级，精准匹配具备相应催收业务水平的人员。例如，某上市银行上线“追一科技”智能催收后，语音机器人日均呼出有效催收电话约2000通，催收成功率达55%—62%。
1.数字化催生“数字信用”。由于农村征信体系基础较为薄弱，农村地区往往信用信息采集不足。金融机构运用数字技术，从农业生产、电商交易、日常缴费、线上社交等渠道获取农村借款方的信用底层数据，推动各类政府信息、生产生活场景平台数据互联互通，完成碎片化数据整合及其由“线”到“面”的转换，为农村借款方赋予“数字信用”。如：京东科技与邮储银行、北京农担联手打造面向从事养殖行业的小微企业主、个体工商户的“邮储-京农贷”，利用物联网、云计算等技术将农业生产过程数字化，为“三农”生产数据赋予信用价值。
2.数字化驱动静态信用转向实时动态信用。传统的农户信用评价存在人力及时间成本高、准确性及完整性不足、信息严重滞后等问题。对此，金融机构运用数字技术实时监测农业资产自身及其周围环境变化，并以信息化形式产生、存储和更新该类数据作为衡量农户动态信用风险的依据，使信用评估依据由历史静态数据变为实时动态数据。例如，农行通过卫星遥感技术对农作物种植区域、面积、种类、生长情况、气候条件等进行动态监测与分析，截至2021年9月，该项技术已在四川、安徽、云南等地区的部分支行展开试点，场景覆盖农田3700余亩，涉及授信2600万元。
3.数字化赋予供应链尾端农企“银行信用”。供应链融资模式本质上属于供应链上企业间的信用共享和风险共担，由于农企、农户自身信用及抵押品不足，只能依托核心企业信用获取信贷。而在数字化条件下，金融机构可与供应链上的大型农业核心企业合作并以其作为进入供应链的入口，同时以链上企业间的往来贸易关系作为嵌入供应链的媒介，采取数字化技术对链上企业的资金往来、订单及交易记录进行识别，完成供应链尾端企业的立体化刻画，实现尾端企业信用由“商业信用”向“银行信用”的转变。例如，网商银行“大雁系统”改变信贷“头部效应”，基于识别及验真技术、结合大规模图计算及数据处理技术还原供应链贸易关系网络，完成链上小微企业的信用评估。截至目前，该系统已累计服务四川小微企业近10万户。
1.数字化促进农村资产价值回归。随着数字乡村建设的推进，农村地区数字基础设施日趋完善，农村资产数字化应运而生。近年来，农村各类资源、资产逐步确权并通过数字化实现“数字孪生”，推动各类生产要素标准化、价值展现更客观全面，从而激活了农村资产的资本属性。据农业农村部统计，截至2020年，全国共清查农村集体账面资产7.7万亿元，其中经营性资产3.5万亿元，集体土地等资源面积65.5亿亩，农村大量闲置资产被盘活②李竞涵.家底清清楚楚，获益实实在在.农民日报,2022-02-28.，资产价值得以体现，进一步推动优质金融服务向农村地区延伸。
2.数字化推动农村资产价值重塑。金融机构在农村各类资源、资产确权的基础上，采用数字技术进一步挖掘塑造农村资产价值，进而拓宽押品范畴并优化押品价值评估流程，让农村资产的流转、交易、评估、抵押等更加便利。如：近日，农行四川眉山分行上线“智慧畜牧”平台并推出首笔生猪活体抵押贷款，采用母猪作为活体抵押物并利用AI算法实现实时监控，突破生物资产难以作为合格押品的技术瓶颈；
农发行打造数字化押品管理系统，完善全种类、全场景押品价值审核流程与评估模型，对接信贷系统及担保评估机构数据，实现农村押品价值评估数字化、线上化、流程化。
3.数字化引领农村资产价值创造。数字技术能有效聚合农业生产经营过程中的内生数据、外部获得的公共数据等多种信息，建立起农村产业链数据资源体系，实现农村资产在不同环节的增值目的，助力农户、农企间接提高信贷资源获取能力。在生产环节采用多种技术手段提高智能化与精细化管理程度，例如，德清“数字渔业”通过物联网养殖服务，实现浮头死亡率由5%降低为0.1%、产量增加10%—20%；
桐乡“数字牧场”运用精准饲喂、巡检机器人等智能系统及设备，实现数据统计分析效率提升90%、用工量节省50%。在销售环节则采用数字技术刨除多重经销环节、高效对接供需双方，如：“陇之情嘉峪关”平台通过“原产地直采+自营”等模式促进农产品销售规模的提升；
优云网商通过大数据分析等技术手段，梳理不同地区消费者偏好并准确匹配相应农产品，达到客户精准推广、售价按质分层。
数字化视角下农村地区生产条件、金融机构业务模式及信贷主体自身禀赋均产生变化，农村金融市场中信贷供给和需求也随之改变，进而引起市场结构变动。为刻画和研究市场结构及供需双方在数字化条件下发生的变化，本文结合四川省农村地区实际，对市场结构演进方向、信贷供给方行为变化及信贷需求方贷款可得性等三方面展开研究，旨在挖掘数字化进程中农村金融市场结构变迁的趋势及未来可能的演进方向。
1.数字化发展水平与农村金融市场集中度。假设一个地区所有的银行机构管理一定数量的贷款L，吸收一定数量的存款D，α为法定存款准备金率，rD为存款利率，rL为贷款利率，r为同业市场间拆借利率。地区引入数字化，能够使得市场收益整体提升β1，其中β1>1，市场成本下降β2，其中0<β2<1，那么整个市场的利润表达为：
在这里假设成本函数C为线性，则C=a1D+a2L，下面求解利润最大化，那么对L的一阶偏导为0，可得：
进一步变形，可得：
据此，提出本文假设一：数字化发展水平与农村金融市场集中度呈负相关。
2.数字化发展水平与农村金融服务供给下沉。在区域数字化程度基础上，进一步细化到银行个体，同理，假设数字化会使银行收益增长βi1，其中βi1>1，市场成本下降βi2，其中0<βi2<1,银行针对的客户群体数分别是农户n和企业m，单个利润率为b，成本可以表示为：A+k(n+m)，A为固定成本，k为边际成本，k>0。所以对于银行i而言，利润表达式为：
引入地区与银行数字化，则πi变化为：
因为β1、βi1均大于1，那么β1∙βi1>1，仍然会对收益有所提升，同样β2∙βi2<1，仍然会降低成本，尤其是作用于边际成本，使得β2∙βi2∙k会随着数字化水平的提高进一步降低，直至无限趋向于0，而银行作为理性人，会进一步增加(n+m)，由于地区企业m数量相对农户n有限，同时数字化对私人信用的画像更全面精准，所以银行会进一步扩大n，这在实际中表现为“下沉”。
据此，提出本文假设二：数字化发展水平对农村地区不同类型银行的影响存在异质性。
3.数字化发展水平与农村贷款主体信贷可得性。下面将涉农贷款Lα根据投向不同，划分为投向农户Lα1与投向农村企业Lα2，假设两部分的贷款利率分别为r1、r2,那么贷款需求价格弹性分别为、，同理根据上式推导可得对于单个农户和单个企业：
假设两部分贷款需求价格弹性为常数，即为ε1、ε2，进一步对上式i求和，可得：
接下来，对r1与数字化程度求偏导，再根据，可得：
如果进一步简化分析，假设数字化条件下银行服务长尾客群的成本趋于一致，即：aa1=aa2，那么：
因此，两部分贷款的相对增长为两部分的贷款需求利率弹性之比，一般情况下，农户的贷款需求利率弹性大于企业，因此农户的相对增长更大。
据此，提出本文假设三：相较于农村企业贷款可获得性而言，数字化发展更能显著提升农户贷款可得性。
为研究数字化条件下农村金融市场结构的变化，本文以四川省农村地区实际情况为代表，分别从农村金融市场结构变动方向、信贷供给方行为变化及信贷需求方贷款可得性等三方面展开研究。
考虑到数字化指数为连续变量，且农村数字化建设是全面推进的，不存在真正意义上的对照组，因此本文参照Nathan Nunn、Nancy Qian（2011）、Qian N.（2008）、王立勇和许明（2019）的研究，构建连续型DID模型对农村金融市场结构变动受数字化的影响进行分析，同时利用分位数回归进一步剖析数字化在不同地区及主体间产生的异质性影响，模型设定如下：
yit表示个体i在t时期的市场集中度或者贷款余额占比。periodt是表示时期的虚拟变量，在农村实现数字化之前取0，在实现数字化之后取1。考虑到农村地区数字化发展的滞后性及数字金融规范性发展，本文选取2015年为农村数字化建设元年。Indexit为i地区t时期数字化发展情况，Indexit*periodt为数字化指数与时期虚拟变量的交互项，是本文的核心自变量。Xt为控制变量。
与常规DID模型不同的是，这里Indexit不是表示政策实施与否的虚拟变量，而是表示政策实施强度的连续型变量。同时，由于不存在真正意义上的对照组，交互项的系数β就不再表示数字化给农村金融市场带来的绝对影响，而是数字化指数单位变动的相对影响。
考虑到农村数字化建设进程及可获得样本数据的统计范围，本文选取2011年至2020年四川省内128个县及县级市的数据为样本进行实证分析。主要变量详细指标名称及含义如表6所示。
表6 主要变量名称及含义
被解释变量。本文分别选取各县域各类型机构贷款余额占比、不同类型贷款主体贷款余额占比，以及HHI指数作为被解释变量进行分析，其中HHI指数（赫芬达尔—赫希曼指数）是用来计算产业集中度的综合指数，可以衡量农村金融市场结构情况。
核心解释变量。选取北大数字普惠金融指数③郭峰、王靖一、王芳、孔涛、张勋、程志云，《测度中国数字普惠金融发展:指数编制与空间特征》，2020年第19卷第4期，第1401-1418页。作为核心自变量，该指数从数字金融覆盖广度指数、数字金融使用深度指数和普惠金融数字化程度指数等三个维度进行测度，覆盖人群广、数据体量大，实现了对不同时期县域地区的发展情况进行跟踪评估，完整覆盖了县域地区数字化的全发展阶段，能够较准确反映地区的数字化发展水平及地区间的数字化发展差异。
控制变量。为避免模型内生性问题，本文选取其他可能影响信贷的因素作为控制变量，主要包括两部分：一是从地区经济及产业结构方面选取了人均GDP、各产业占比、财政情况等影响地区金融发展及信贷需求的指标；
二是从机构金融基础设施及基本情况方面选取不良贷款率、存贷比、ATM机数量、营业网点数量及人数等影响机构发放信贷的指标。
1.数字化发展与农村金融市场结构。为刻画数字化背景下农村金融市场结构变革，研究数字化在不同市场中发挥的效用，本文从数字化对农村金融市场结构产生的影响及区域异质性进行分析，并得出以下结论：
农村金融市场集中度随数字化发展水平提升而下降。按照式（1）对市场集中度与数字化指数进行回归，结果如表7所示。根据第二列回归系数结果为-0.049，在10%的水平下显著为负，即验证随数字化程度的加深，农村金融市场的集中度会下降。
表7 HHI与数字化指数回归结果
根据图像直观来看，图7表示市场集中度随数字化变动散点图，随着数字化指数的升高，HHI迅速下降且呈聚集状态，即数字化的发展降低了农村金融市场集中度，且地区间的集中度差异随之缩小。图8为市场集中度与数字化指数的拟合曲线，呈半倒U型趋势，说明随着农村数字化程度的深化，农村金融市场集中度下降速度呈加快趋势。
图7 HHI随数字化变动散点图
图8 HHI与数字化指数拟合曲线
进一步对各地区受数字化影响的异质性进行分析。从图9 HHI指数分位数图看出曲线呈非线性非均匀分布，可以利用式（2）的分位数回归模型对HHI与数字化指数进行分析。
图9 HHI指数分位数图
分位数回归模型结果如表8所示，根据第二列系数显著性检验结果可以看出，对于HHI在50%分位点及以下的市场，其集中度受数字化的影响不显著，而对高于50%分位点的市场，其集中度与数字化指数呈显著负相关。
表8 不同分位点下HHI与数字化指数回归系数表
将表中分位数回归系数进行可视化，如图10所示曲线，随着HHI分位数的增加，从相对平稳趋势迅速向下，所对应的系数绝对值在增大，即集中度越高的市场，数字化对其产生的影响更大。因此，数字化对不同市场的影响存在异质性，高集中度的市场受数字化影响更明显。如图11所示，市场集中度下降幅度最大的地区是原集中度最高的川西北生态示范区，而下降幅度最小的则是原市场集中度最低的成都平原经济区。因为集中度较低的市场，其数字化发展水平已较高，此时市场已近似形成竞争状态，数字化无法对其产生显著影响；
相反，集中度较高的市场，其数字化发展水平较低，市场近似垄断状态，数字化技术的发展会驱使新的机构进入市场，进而降低市场集中度。
图10 分位数回归系数图
图11 全省五大区HHI趋势图
2.数字化发展与各类型银行的贷款供给。数字化的发展降低了农村金融市场的集中度，即各机构的市场占比发生了改变。为研究数字化发展与各类型银行机构贷款供给情况，本文根据银行性质将其分为五大类，考虑到部分地区农信社改制为农商行，将农信社和农商行合并计算，记为“农商农信”，选择连续DID模型分别对各类型银行机构在数字化条件下的市场变动情况进行分析，结果如表9所示。
表9 各类型机构贷款余额占比对数字化回归系数表
数字化对不同类型银行的影响存在异质性，即数字化更易对原市场占比较高的银行产生负效应，对市场占比较低的影响则没有明显的一致性趋势。如表9回归结果显示，农商农信、五大行等农村金融市场中主要银行机构的系数均显著为负，这说明数字化的发展有效降低了农村地区传统机构的市场占比，打破农村金融市场被单家机构垄断的局面，使市场中的机构类型向多元化发展。而其他类型银行受数字化影响不明显，一方面是由于这类银行市场占比较小；
另一方面是由于这类银行在不同地区的市场规模差异较大，从全域角度正负效应会抵消，导致数字化平均效应不显著。图12可以看出机构地区间的差异，对于市场占比较小的城商行和村镇银行，城商行除在川西北经济区外均有分布，但是地区间的市场规模差异较大；
村镇银行和政策性银行只在成都平原、川东北和川南经济区具有规模化分布。
图12 五大经济区各类型机构贷款余额占比情况
由于全省银行机构的市场结构和数字化发展水平地区差异较大，为研究数字化在不同地区对各类型机构发挥的效用，进一步利用分位数回归分析，回归结果如表10所示。可以看出，不同经济发展水平的地区，数字化对各类银行市场占比的影响不同。在经济欠发达地区，数字化只会驱使五大行等大型机构的市场占比增加，而在经济较发达地区，城商行等中小型机构的市场占比会增加，但是在所有市场中，农商行农信社的市场占比均在显著减少。政策性银行系数均显著为正，是由于机构性质较特殊，在农村客户多为当地政府平台类企业，主要用途为城乡一体化建设及改造等，其市场规模更多的是受当地政府规划等影响。
表10 分地区各类型银行贷款余额占比与数字化指数回归系数表
因此可以得出：一是农商行农社信和村镇银行的市场占比显著下降，说明农商行农信社和村镇银行在农村金融市场中传统的人缘地缘优势正在逐渐被数字化技术优势替代。二是在经济欠发达地区，只有五大行等大型机构能够下沉到农村，中小银行则因为本身规模较小无法在农村下沉；
在经济较发达地区，中小型银行可以利用地区数字化条件下沉农村市场。这是由于欠发达地区的数字化基础设施相对比较落后，在该地区开展业务的机构需要具有一定的规模或是数字化水平；
而在经济发达的地区，数字化基础设施各方面建设比较完善，城商行等中小银行可以利用地区的数字化条件开展业务。
3.数字化发展与农村贷款主体信贷可得性。数字化条件下，农村地区贷款主体的禀赋也会发生较大变革，因此其贷款需求及可得性也会受到影响进而影响市场结构。利用连续型DID模型对农户和农村企业的贷款可得性受数字化的影响进行分析可知：
数字化对不同主体的贷款可得性产生的影响存在异质性，即数字化发展将提升农户贷款获得性，降低农村企业贷款可得性。根据表11中的回归结果可以看出数字化对农户的贷款占比存在显著正效应，对农村企业则为显著负效应。因为农村地区农户属于长尾客群，相对企业来说小而分散，但总的体量较大。在传统的农村金融市场，农户由于无可量化资产及信用缺失等原因无法从银行获得贷款，数字化条件下农户的资产价值被激活，同时被赋予了数字化信用，这些改变提升了农户信息透明度以及和银行间的信息对称性，因此农户作为长尾客群较农村企业来说能更快地在数字化条件下获得贷款。
表11 农村不同贷款主体受数字化影响的边际效应
图13可以从金融机构视角直观看到农户和农村企业贷款受数字化影响情况。随着农村数字化的发展，五大行和村镇银行的农户贷款占比有明显上升的趋势；
农商农信的农户贷款余额开始缓慢回升；
城商行的农户贷款占比始终较低，因为城商行目前在农村地区的业务还未得到有效拓展，仍以传统的农村企业贷款为主。
考虑到各地区的产业结构及机构类型有较大差异，本部分进一步从地区异质性角度对贷款主体受数字化影响进行分析。图14a和14b显示农村企业及农户贷款占比的分位数图呈非线性趋势，可以利用分位数回归进行异质性分析。
图14a 农村企业贷款分位数图
图14b 农户贷款分位数图
表12的回归结果可以看出，对于农村企业来说，其贷款余额占比在50%分位点以上地区的系数绝对值相对较大；
而对农户来说，其贷款余额占比在50%分位点以上地区的系数绝对值则相对较小。因此可以得到以下结论：数字化对不同市场主体的贷款可得性产生的影响不同，即对于企业贷款余额占比越高的地区，数字化对该地区企业产生的负效应越大；
而对农户贷款余额占比越高的地区，数字化对该地区农户产生的正效应反而越小。
表12 农村企业及农户各分位点下贷款余额与数字化指数回归表
图15直观反映了这一情况，可以看到在农村企业贷款占比较高的地区，如成都平原及攀西经济区，随数字化程度的加深农村企业贷款占比相较其他地区减少更明显，进一步说明数字化的发展加强了农户贷款的可得性。而在农户贷款占比较高的地区，如川东北和川南经济区，随数字化程度的加深农户贷款占比缓慢增加或呈下降趋势。这是由于在川东北和川南经济区政策性银行的市场占比相对较高，该类型银行只针对政府平台类企业发放用于城乡建设及改造等贷款，受到政府行为的影响。
图15 分地区不同贷款主体贷款余额占比
1.农村金融市场结构并非自然演进的结果，其变化本质上取决于政府制度变迁和农村经济社会发展状况。从我国农村金融改革发展进程来看，农村金融市场结构是动态变动的。回溯农村金融发展历程，农村金融市场结构从计划经济时期的统一配给，到改革开放前期的高度垄断，再到当前多元化、市场化的竞争，农村金融市场结构根据政府和市场要素的有效结合不断调整、优化。
2.农村金融市场集中度总体下行与区域不平衡共存，但仍属高寡占型市场结构。1978年以来，我国农村金融市场集中度呈总体下降趋势，竞争度明显提升，但我国农村金融市场发展不平衡、不充分的矛盾突出。农村金融市场集中度“西高东低”的区域差异没有显著改善，虽然各地金融市场集中度均有所降低，但2020年我国农村金融市场总体HHI值为0.26，属于高寡占II型，仍有进一步下降的空间。
3.数字化打破了农村金融的传统思维，预示了农村金融市场结构的深刻变革。近年来数字乡村建设快速推进，数字化激活了农村地区各类要素，不断催生出农业新业态、新模式。数字技术渗透农村生产生活，为金融市场变革提供可能，传统银行抵押贷款的思维开始转变，农村金融以数据为核心创新发展出多种融资形式，新型农村金融机构依托技术优势深耕农村金融市场。如京东金融、蚂蚁金服及其牵头的网商银行、腾讯主导的微众银行等，借着数字化“东风”迅速布局农村金融空白领域，抢占大量长尾客户市场。
4.乡村数字化与银行数字化耦合会产生协同效应，数字化水平高的银行下沉更深、服务更多元。本文研究发现，数字化程度较高的国有大行在农村地区下沉更深。在经济较发达地区，中小型银行可以利用地区数字化条件下沉农村市场；
但在经济欠发达地区，只有五大行等大型机构能够下沉到农村，中小银行因为自身成本收益问题难以在农村下沉。此外，研究还发现农商行农信社、村镇银行传统的“人缘地缘”优势正在被数字化优势替代，市场占比显著下降。结合本文调查数据来看，国有大行数字化转型进度50%以上的占65.3%，数字化转型水平较高；
农商农信和村镇银行转型进度普遍较慢，63.2%的村镇银行尚未开始数字化转型，转型进度超50%的仅占10.5%，这也验证了数字化对银行金融服务能力的提升。
5.区域数字化水平与农村金融市场集中度呈负相关，且数字化对降低欠发达地区金融市场集中度更有效。本文对农村金融市场集中度与数字化指数进行连续DID模型回归，估计结果显示数字化指数对县域市场集中度的平均边际影响为负。计算数字化对市场集中度的平均边际效应发现：在数字化指数较低的区间，HHI指数相对较高且分布较为分散。随着数字化水平的升高，HHI指数迅速降低且呈聚集状态。HHI指数与数字化指数的拟合曲线呈半倒U型，说明随着农村数字化水平的提高，金融市场集中度下降速度会加快。
6.数字化会强化农村金融市场的“马太效应”，数字化水平较高的金融机构掐尖下沉易产生风险外溢。本文综合研究发现：数字化对农村金融市场具有显著正外部性，但由此引发的负外部性问题也同样不容忽视。数字技术打破了传统农村金融服务时间和物理网点的桎梏，金融机构通过脱媒触客和流程标准化有效下沉服务长尾客群，大幅降低交易成本，但也存在“平台经济”赢者通吃的问题，数字化发展水平较高的银行或科技公司依托数字技术优势进入农村金融市场，会推高农村金融服务的数字化门槛，在金融机构间造成“数字鸿沟”问题，加剧村镇银行等小型农村金融机构的生存危机。
1.做好数字时代农村金融改革市场的制度设计，构建农村金融资源自由流动的金融组织体系。数字时代的农村金融有别于以往任何一个时期，数字化对农村经济社会产生的颠覆性冲击才刚刚开始。数字化时代，农村金融改革应顺势而为，充分考虑农村金融市场的特殊性，运用数字技术推动农村金融市场结构多元化，并结合数字经济、数字金融的优势和自身天然缺陷构建适宜的农村金融市场环境，做到顶层设计既“瞻前”，也“顾后”。
2.进一步降低农村金融市场集中度，缩小弥合农村金融市场区域发展的不平衡、不充分。改革开放以来我国农村金融市场结构不断优化，市场集中度显著下降，但区域差异仍然十分明显。下一步应结合不同地区经济金融发展实际，特别是欠发达地区，逐步解决束缚农村金融发展的不合理管制，不断丰富农村金融市场机构类型，继续优化农村金融市场结构，持续降低金融市场集中度。
3.加快推进乡村数字化转型，为农村金融市场数字化变革筑牢数字基础设施。全面推进乡村振兴和数字中国战略以来，随着关键数字技术在农村地区的运用和普及，农村基础设施向着智能高效更新迭代。数字新基建对农村地区的赋能重塑，不断催生出农业生产生活的新业态、新模式，为农村金融市场数字化革新提供硬件和软件的双重支撑。
4.利用数字化提高农村金融市场结构多样性，充分挖掘数字化在农村普惠金融方面的作用。数字化打破了传统金融服务的时空限制，大幅降低了农村金融服务成本，使得原本基于成本收益考量的机构产生了开展农村金融业务的内生动力。下一步要借助数字化发展大势持续推进农村金融市场机构多元化水平，同时利用数字化探索降低农村欠发达地区金融服务的成本，通过适度数字化促进当地农村金融市场发展。
5.农村地区金融机构数字化要与数字乡村建设有机融合，以数字化拓展农村金融市场的长尾客群。地区数字化程度和金融机构数字化水平耦合会产生协同效应，显著降低农村金融市场集中度。未来应有机推进数字乡村和数字金融融合发展，用数字化降低长尾客群的搜寻成本，扩展获客渠道，进一步降低农村金融市场集中度，特别是在数字化水平较低的欠发达地区。
6.做好数字化水平较高机构在农村地区下沉的风险监测，防止利用数字优势过度挤压小型涉农机构生存空间。当前农村地区数字化水平尚处在起步阶段，其对农村金融市场的影响更多是正向促进。未来应重点关注大型机构依托数字技术优势下沉带来的金融风险外溢问题，以及数字化水平提高带来的市场新垄断和农村小型金融市场竞争风险。
猜你喜欢集中度金融市场数字化金融市场：寒意蔓延【精读】英语文摘(2022年12期)2022-12-30假如金融市场崩溃，会发生什么？ 精读英语文摘(2022年6期)2022-07-23家纺业亟待数字化赋能纺织科学研究(2021年6期)2021-07-15新广告商：广告业周期性在弱化，而集中度在提升 精读英语文摘(2020年11期)2020-02-06高中数学“一对一”数字化学习实践探索福建基础教育研究(2019年1期)2019-09-10高中数学“一对一”数字化学习实践探索福建基础教育研究(2019年1期)2019-05-28保险公司资本结构、业务集中度与再保险需求研究现代财经-天津财经大学学报(2016年6期)2016-12-01煤炭行业未来在提高集中度能源(2016年3期)2016-12-01数字化制胜中国卫生(2016年2期)2016-11-12Copula模型选择及在金融市场的应用西安工程大学学报(2016年3期)2016-06-05扩展阅读文章
推荐阅读文章
老骥秘书网 https://www.round-online.com
Copyright © 2002-2018 . 老骥秘书网 版权所有