数字金融是否降低了企业成本粘性.docx

数字金融是否降低了企业成本粘性.docx

《数字金融是否降低了企业成本粘性.docx》由会员分享，可在线阅读，更多相关《数字金融是否降低了企业成本粘性.docx（16页珍藏版）》请在冰豆网上搜索。

数字金融是否降低了企业成本粘性

数字金融是否降低了企业成本粘性

陈银飞，邓雅慧

[摘要] 聚焦供给侧结构性改革中的“降成本”问题，基于2012—2018年沪深A股上市企业数据，探究数字金融对企业成本粘性的影响及作用渠道。

研究发现，数字金融抑制了企业的成本粘性，且这种抑制作用具有持续性。

作用渠道分析表明，数字金融通过缓解管理层代理问题和降低管理者乐观预期抑制了企业成本粘性。

异质性检验结果表明，数字金融对国有企业成本粘性的抑制效应强于非国有企业，对新兴产业的成本粘性抑制效应强于非新兴产业。

进一步分析发现，金融监管弱化了数字金融对企业成本粘性的抑制效应。

[关键词] 企业成本粘性；国有企业；新兴产业；金融监管

一、引言

中共十九大提出要“深化金融体制改革，增强金融服务实体经济的能力”。

在传统金融服务实体经济过程中暴露出结构性错配问题的背景下，以大数据、云计算、人工智能等为技术基础的数字金融成为赋能传统金融的重要帮手。

在数字技术的支撑下，数字金融能够低成本低风险地为广大中小投资者提供金融服务，且服务内容更加多样化。

从企业内部资源配置的角度看，数字金融能够基于企业数据信息，通过精细的算法流程，挖掘出与企业经营特征最为匹配的金融服务方案，从而使企业的经营管理更加集约。

一方面，数字金融所依赖的信息技术能够帮助企业对未来趋势作出精准判别，从而使管理者做出合理的经营决策，避免盲目乐观预期造成企业较高的成本粘性。

且数字金融的大数据存储功能海量地记录了各利益相关者的交易活动，能够在很大程度上抑制管理层的代理行为，从而降低成本粘性。

另一方面，数字金融的普惠性特征能够使长尾群体以更低门槛、更少成本、更加便捷的方式获取金融支持，从而有效缓解企业面临的融资约束。

然而融资压力的缓解会使企业在业务量上升时加大力度投资，在业务量降低时不愿削减成本，进而加剧成本粘性。

因此，数字金融是增强还是抑制了成本粘性需要进一步探析。

现有文献大多集中于探讨数字金融的创业促进效应、就业促进效应和创新驱动效应，关于如何降低成本粘性也多围绕公司治理、法制环境以及利益相关者展开，鲜有文献将数字金融与成本粘性纳入同一理论框架。

鉴于此，本文系统论证了数字金融在企业成本管理决策中是增强还是抑制了成本粘性。

此外，我国长期面临产能过剩问题，尤其是2020年新冠肺炎疫情更是加重了这一现状，因此当前“去产能、降成本”道阻且长，在此过程中，数字金融会对微观企业的成本粘性产生何种作用？

其中的作用渠道是什么？

在不同类型的企业中影响效果是否有差异？

金融监管是否会阻碍数字金融“降成本”效用的发挥？

本文旨在回答上述问题，有助于数字金融更有效地与实体经济融合，从而为供给侧结构性改革中的“降成本”增添新动能。

二、理论分析与研究假设

Banker&Byzalov（2014）将企业成本粘性形成的原因归结为以下三点：

调整成本、代理问题以及管理者乐观预期。

调整成本是指企业增减资源投入会产生调整成本，而向下调整资源的成本通常高于向上调整资源的成本①，致使企业在业务量降低时不愿下调资源投入，从而形成成本粘性。

代理问题是指高管出于自利动机，往往会在销售收入上升时过度投资，在销售收入下降时拒绝削减资源投入，从而使成本粘性产生。

管理者乐观预期是指乐观的管理者倾向于把业务量下降看作是暂时的，并预期未来的业务量会呈上升态势，因而并不会因业务量降低而减少资源投入，由此产生成本粘性。

在数字金融的影响下，企业的融资环境和管理者的行为决策发生了深刻改变，最终会在成本粘性上有所体现。

本文将结合这一背景，围绕调整成本、代理问题和管理者乐观预期三个方面，对数字金融如何影响成本粘性展开论述。

（一）数字金融对企业成本粘性的加剧效应

数字金融重塑了传统的信用定价模式（Duarteetal.，2012）、减少了金融机构与企业之间的信息不对称（Demertzisetal.，2018）、突破了传统金融物理网点的边界束缚（张勋等，2019），有效增强了企业融资的可得性和便利性，在极大程度上降低了融资成本，释缓了企业的融资约束（万佳彧等，2020）。

而融资成本正是调整成本的重要组成部分，对企业成本粘性的影响不容忽视（Bresnahan&Ramey，1994）。

对高融资约束的企业而言，当市场需求增加时，企业增加雇员、购买机器设备需要大量的资金支持，然而由于外部融资成本较高，其向上调整承诺资源的能力相对不足，由此降低了企业的成本增加幅度。

当市场需求下降时，冗余资源会加大企业陷入财务困境的风险。

因此，虽然解聘员工需要支付遣散费用、减少机器设备需承担处置成本，且未来业务量恢复时可能会面临更高的上调承诺资源的成本，但为了维持现期的生存，企业不得不通过遣散冗余雇员、处置多余机器设备来避免资金链断裂，从而降低企业成本的提升幅度。

因此，高融资约束企业的成本粘性往往较低。

在数字金融缓解企业融资约束的现实情境中，企业向上调整资源的能力得到提升，因此在业务量上升时会加大投资。

在业务量减少时，由于融资渠道丰富，自由现金流增加，陷入财务困境的风险大大降低，企业不会通过裁减雇员、处置机器设备等方式来向下调整成本，从而强化了企业的成本粘性。

基于此，本文提出如下假设：

H1：

数字金融通过调整成本加剧了企业成本粘性。

（二）数字金融对企业成本粘性的抑制效应

从代理问题的角度看，数字技术的应用，提高了金融市场中各利益相关者的“诚信度”。

在数字金融服务实体经济的过程中，形成了一个完整的社交网络，该网络汇集了银行的“资金流”、互联网平台的“信息流”、企业间交易的“商品流”（何师元，2015），企业的消费习惯、资信状况和信誉行为被详尽地披露，大大提高了信息透明度，有效缓解了信息不对称和逆向选择问题。

此外，数字金融能够通过对企业以往经营数据的深度挖掘与分析，识别出非正常的投资、交易记录，从而促进成本管控和投资决策的科学化、精准化。

在此基础上，管理层的自由裁量权受到约束，通过构建“个人帝国”以获取超额利润的动机减弱。

在市场需求旺盛时倾向于规避过度投资，合理规划投资决策，在市场需求减少时也能进一步削减成本，从而使企业成本粘性降低。

从管理者乐观预期的角度看，一方面，数字金融的发展，能够使金融机构根据已有的客户信息数据库，并结合利率变动、通货膨胀以及经济波动等宏观因素识别出未来经济市场的走向。

而随着客户的增多，信息的传播、交流和共享会更加充分，从而不断完善数据库中的信息，进一步增强预测的准确度。

另一方面，依托优质的技术工具，金融机构不仅能够根据企业的经营状况、交易行为和消费偏好定制最适宜企业实际发展需求的金融产品和服务，还能实时运用企业的生产经营数据进行超前预测，从而形成企业内部最优的生产路径和有效的成本管控。

因此，当企业业务量发生变化时，管理者可依据对客观数据的估算和分析结果作出相对精准的判断，避免了主观上的乐观预期导致成本决策偏离最佳的资源配置状态（赵璨等，2020）。

基于以上分析，提出假设2和假设3：

H2：

数字金融通过缓解代理问题抑制了企业成本粘性。

H3：

数字金融通过降低管理者乐观预期抑制了企业成本粘性。

三、研究设计

（一）样本选取与数据说明

本文选取的初始样本为2012—2018年A股上市公司数据，删除金融保险类以及存在数据缺失的样本，最终得到1826家上市公司的12782个“公司—年度”观测值。

为避免离群值的影响，对所有连续变量在5%分位数上进行双边缩尾处理。

为消除异方差影响，对部分变量取对数。

数字金融指数来源于北京大学的《数字金融普惠金融指数》，企业财务数据来源于国泰安数据库（CSMAR）。

表1变量定义

（二）模型设计与变量定义

借鉴Andersonetal.（2003）的研究，设定模型

（1）考察数字金融对企业成本粘性的影响。

其中，被解释变量为营业成本变化（ln△cost），解释变量为营业收入变化（ln△sale）、营业收入变化和营业收入下降虚拟变量（D）的交互项（ln△sale×D）、营业收入变化和营业收入下降虚拟变量以及数字金融指数（PDF）的交互项（ln△sale×D×PDF）。

economics为经济因素变量，包括收入连续两年下降（SD）、宏观经济增长（GDP）、劳动力密集度（labor）、资本密集度（capital）。

controls为其他控制变量，包括企业规模（size）、企业年龄（age）、资产负债率（lev）以及管理层持股比例（mhold）。

此外，本文还控制了行业和年度虚拟变量。

主要变量的定义如表1所示，表2是变量的描述性统计结果。

样本的离散程度较高。

此外，其他控制变量在样本期内也存在较大波动幅度，这为本研究提供了辅助。

表2描述性统计

四、实证结果与分析

（一）数字金融对企业成本粘性的影响

表3汇报了数字金融与企业成本粘性的基准回归结果。

列

（1）是未加入经济因素和其他控制变量的回归结果，可以看到，ln△sale的系数为0.9864，ln△sale×D系数为-0.0877，均在1%的水平上显著，说明上市公司存在成本粘性，营业收入每增加1%，营业成本便增加0.99%，而营业收入每减少1%，营业成本只减少0.90%。

另外，数字金融与成本粘性的交互项ln△sale×D×PDF的系数为0.0293，且在1%的水平上显著。

在加入经济因素和其他控制变量后，如第

（2）列所示，ln△sale×D×PDF的系数仍在1%的水平上显著为正，表明数字金融降低了企业成本粘性。

表3基准回归

注：

***、**和*分别表示在1%、5%和10%水平上显著，括号内为经聚类稳健标准误调整的t值。

（下同）

为更细致地刻画数字金融发展对企业成本粘性的影响，本文进一步将数字金融指数分解为覆盖广度（PDFcover）和使用深度（PDFdepth）两个维度。

其中，覆盖广度体现了电子账户等使用群体的广泛性，覆盖深度主要体现支付、信贷等业务服务的纵深发展（郭峰等，2020）。

表4展示了双维度的数字金融发展水平对企业成本粘性的影响，可以看到，数字金融覆盖广度和发展深度均在1%的显著性水平上对企业成本粘性存在抑制效应，然而通过对比系数可以发现，数字金融的发展深度对企业成本粘性的抑制效果更加突出，说明数字金融在发展过程中不仅要注重覆盖面积，更需进行深度挖掘。

表4指标分解降维

表5持续性检验

为检验数字金融发展对企业成本粘性的影响是否具有持续性，分别将滞后1期到3期的数字金融指数代入原模型中，依次进行回归。

表5的结果显示，交互项系数均在1%的水平上显著为正，且滞后期数越高，交互项系数越大，这表明数字金融对企业成本粘性的抑制效应存在较长时间的持续性，且数字金融的效用发挥具有一定的滞后性，在滞后第三期，数字金融对企业成本粘性的抑制效果达到最佳①。

可能的原因是在数字金融发展初期，各项配套设施与服务没有及时跟进，数字金融的效能未能得到充分释放，而随着各项技术设施与服务逐步发展成熟，数字金融的效用发挥达到最大化。

（二）作用渠道分析

上述研究表明，数字金融抑制了企业成本粘性，而其中的作用渠道是什么？

前文理论分析指出，数字金融可通过调整成本、代理问题和管理者乐观预期影响企业成本粘性，借鉴赵璨等（2020）的做法，采用分组回归的方式对此进行探究。

若数字金融对企业成本粘性的抑制效应在融资约束较低、管理层权利较大和经济政策不确定性较高的样本中更为显著，则表明数字金融通过抑制代理问题和降低管理者乐观预期的渠道成立；若在融资约束较高的样本中，数字金融对企业成本粘性的影响表现为提升作用，说明数字金融通过调整成本增强企业成本粘性的现象存在。

为检验调整成本渠道，将融资约束分为高低两组进行回归。

对于融资约束较高的企业而言，数字金融缓解了融资压力，使其在业务量上升时成本支出扩大，业务量下降时向下调整资源的成本减少，从而使高融资约束企业的成本粘性增强。

借鉴Hadlock&Pierce（2010）的研究，使用SA指数衡量企业融资约束②。

表6PanelA列式了分组回归结果。

在融资约束较高组，交乘项的系数并不显著，说明数字金融通过调整成本提高企业成本粘性的渠道没有得到证实。

在融资约束较低组，交乘项的系数反而在1%的水平上显著为正。

理论上，融资约束较小的企业，自由现金流较多，容易造成管理者的机会主义行为，从这一角度而言，以上结果可说明数字金融能够通过缓解代理问题降低企业成本粘性。

表6作用渠道检验

为再次验证代理成本渠道，将管理层权利分为大小两组。

具体地，用独立董事占比来衡量管理者权利，独立董事占董事会成员的比重低，说明独董之间难以相互制约，管理者权利较大，容易产生代理问题（王跃堂等，2006）。

由PanelB可知，在管理层权利较大组，ln△sale×D×PDF的系数为0.0485，在1%的水平上显著；在管理层权利较小组，ln△sale×D×PDF的系数在10%的显著性水平上为0.0322，小于管理层权利较大组的系数，再一次验证了数字金融可通过抑制管理层机会主义行为降低企业成本粘性的假设。

为验证管理层乐观预期渠道，将经济政策不确定性分为高低两组。

其中，经济政策不确定性用斯坦福大学和芝加哥大学联合发布的经济政策不确定性指数来衡量①，该指标因其连续性和时变性而受到广泛应用（徐光伟等，2020）。

当经济政策不确定性较高，管理层的乐观预期容易造成生产经营决策偏离经济形势的发展方向，而数字金融的整合、分析、预测功能能够帮助企业做出相对准确的预判，从而降低管理者的乐观预期，抑制企业成本粘性。

如PanelC所示，在经济政策不确定性较高组，ln△sale×D×PDF的系数在1%的水平上显著为正；而在经济政策不确定性较低组，ln△sale×D×PDF的系数虽为正，但并不显著，从而验证了数字金融可通过抑制管理层乐观预期降低企业成本粘性的假设。

（三）数字金融的成本粘性增强效应再检验

根据数字金融影响企业成本粘性的作用渠道分析可知，数字金融主要通过抑制代理问题和管理层乐观预期降低企业成本粘性，并无证据表明数字金融通过调整成本提高了企业成本粘性。

由此引发的问题是，是否源于数字金融对管理层代理问题和乐观预期的抑制效应过强，从而掩盖了调整成本对企业成本粘性的提升作用？

为了对此作出验证，进一步筛选出代理问题较轻并且政策不确定性较低的样本，以避免在验证调整成本渠道时，另外两种反向渠道对回归结果的干扰。

如表7所示，在高融资约束组，不管是否加入控制变量，ln△sale×D×PDF的系数均至少在5%的显著性水平上为负，而在低融资约束组，ln△sale×D×PDF的系数均不显著。

因此，在较为纯净的样本下，调整成本渠道的作用开始显现，说明数字金融通过调整成本增强企业成本粘性的现象是存在的。

表7数字金融的成本粘性增强效应再检验

那么随之而来的问题是，为何数字金融的代理问题缓解效应和管理层乐观预期抑制效应远大于调整成本效应，从而使企业的成本粘性最终表现为降低？

如前文所述，数字金融不仅能够改善企业的融资环境，还能纠正管理层的决策行为。

可以预见，数字金融对融资压力的缓解会促进企业投资，从而使企业成本粘性增强；此外，数字金融对管理层代理问题和乐观预期的抑制作用也会使管理者的投资决策更加审慎，能够在一定程度上抑制过度投资。

为此，本文从投资效率的角度对以上问题作出解答。

投资效率作为企业资金使用效率的直接决定因素，深刻影响着企业的成本管理。

如果数字金融在缓解企业投资不足的同时，并没有进一步造成企业过度投资，也就不难解释数字金融的成本粘性增强效应表现为隐性特征。

为此，根据Richardson（2006）模型，通过回归得出的残差绝对值来度量投资效率，具体模型如下：

其中，growth为企业成长；lev为资产负债率；cash为现金持有；size为资产总额；age为企业上市年限；roa为资产报酬率；Inv为新增项目投资。

除被解释变量，其他变量均进行滞后一期处理。

回归得出的残差为实际投资与预期投资的差值，即非效率投资。

当残差值小于0，说明企业存在投资不足现象；当残差值大于0，说明企业存在过度投资。

残差绝对值越小，意味着实际投资与预期投资的偏离度越小，投资效率越高。

表8是数字金融与企业投资效率的回归结果。

如第

（1）列所示，数字金融对投资效率的回归系数在1%的水平上显著为负，即数字金融与模型回归的残差绝对值负相关，说明数字金融提高了企业投资效率。

为更清晰地认识数字金融对企业投资效率的提升作用，进一步根据残差值符号将样本分为投资不足组和投资过度组进行回归。

可以看到，在投资不足组，PDF的系数显著为正，说明数字金融缓解了投资不足问题；在投资过度组，PDF的系数显著为负，说明数字金融还有效抑制了过度投资问题。

因而具体到企业投资行为上，数字金融的成本粘性增强效应最终被抑制效应所掩盖的原因是，数字金融在缓解投资不足的同时，并没有造成过度投资，反而显著抑制了过度投资问题。

表8数字金融与企业投资效率

五、异质性分析

（一）基于产权性质的异质性检验

国有企业和非国有企业在资源获取、决策机制上的差异，使得成本粘性也呈现出不同的特征。

一方面，得益于与政府的政治联系，国有企业更易获取国有银行和商业银行的信贷资源。

相比之下，非国有企业在资源获取上较为困难，容易受融资约束的影响。

另一方面，相比于非国有企业，国有企业所有者缺位和委托链条过长等特征使得代理问题在其经营过程中更加突出。

因此，当市场需求下滑时，国有企业减少资源投入以缓解资金压力的需求不大，且管理者出于个人商业帝国构建的考量，并不愿削减冗余资源，从而使国有企业比非国有企业的成本粘性更大。

相应地，数字金融对成本粘性的影响效果在不同所有制企业中也会存在异质性。

为检验数字金融对不同产权性质的企业成本粘性的影响效果差异，将样本分为国有企业组和非国有企业组进行回归。

如表9第

（1）、

（2）列所示，在国有企业中，ln△sale×D×PDF的系数为0.0547，且在1%的水平上显著，在非国有企业，ln△sale×D×PDF的系数在10%的显著性水平上为0.0264，远小于在国有企业组中的系数。

这说明数字金融对成本粘性的抑制作用主要体现在国有企业中。

表9异质性检验

（二）基于行业属性的异质性检验

新兴产业和非新兴产业要素禀赋和政策偏向的差异决定了二者的成本粘性会有所不同。

一方面，非新兴产业中存在相当一部分过剩产能，当市场需求上升，企业依靠已有的产能便能满足市场需求，并不会追加投资，当市场需求降低，企业则会进一步削减成本。

另一方面，新兴产业作为当前经济发展的重点，享有众多政策优惠，会在一定程度上造成企业盲目投资。

在“政治晋升锦标赛”下，地方政府为提升发展速度，过分依赖土地、补贴等方式招商引资，从而引发对新兴产业的投资热潮。

此外，政府对新兴产业的大力扶持，会向外界传递出行业前景良好的信号，进一步引发投资者追加投资。

然而当市场需求减少时，过度投资形成的沉没成本难以及时削减，从而加剧企业收入与成本间的不对称性（南晓莉和张敏，2018）。

因此，相比于非新兴产业，数字金融可能会在更大程度上抑制新兴产业的企业成本粘性。

为检验上述差异，本文将样本分为新兴产业组和非新兴产业组进行回归①。

如表9第（3）、（4）列所示，不管企业所属行业是新兴产业还是非新兴产业，数字金融对成本粘性的影响均在5%的水平上显著为正，通过对比的系数可以发现，新兴产业组的交互项系数大于非新兴产业组。

这说明数字金融对企业成本粘性的抑制效应在新兴产业中更明显。

六、进一步讨论

（一）金融监管的调节效应分析

数字金融在扩大金融服务边界、降低金融交易成本和缓解信息不对称的同时，也存在信用风险和网络安全风险等问题，这对传统的金融监管体系提出了新的要求。

一方面，金融监管无疑能够保障金融体系免遭重大风险冲击；另一方面，数字金融业务的去中心化、去中介化特征放大了当前监管技术发展滞后、管制失灵等问题，容易造成数字金融与金融监管之间失衡，金融机构为符合监管要求会付出更多的成本，从而束缚数字金融发展。

因此，监管的方向和强度深刻影响着数字金融的发展走向。

那么，在当前的金融监管下，数字金融对成本粘性的抑制效应会增强还是减弱？

为回答这一问题，本文在原交互项ln△sale×D×PDF的基础上继续引入金融监管强度（superv）这一变量。

此外，还将金融监管分为强弱两组进行回归，用于对比分析。

借鉴唐松等（2020）的研究，以区域金融监管支出作为金融监管强度的衡量，并用金融业增加值予以标准化。

表10数字金融、金融监管与企业成本粘性

根据表10第

（1）列的回归结果，在引入金融监管元素后，交互项ln△sale×D×PDF×super的系数在5%的水平下显著为负，说明金融监管在数字金融与企业成本粘性的关系中起了负向调节作用。

由

（2）、（3）列的回归结果可知，在金融监管较强的条件下，ln△sale×D×PDF的系数仅为0.0296，在金融监管较弱的条件下，ln△sale×D×PDF的系数为0.0451，远大于前者，这进一步表明当前的金融监管束缚了数字金融效能的释放。

然而，这并不意味着需要对数字金融放松监管，相反，较之于发达国家，我国监管部门为了保证数字金融的效能充分释放，对发展成长期的数字金融的监管强度并不大，而随着数字金融不断走向成熟，进行适当程度的监管才是助力其良性发展的必然选择。

当前数字金融发展与金融监管之间主要存在的是错位问题，需着力改善二者间的协调性。

（二）稳健性检验①

①限于篇幅，结果留存备索。

第一，为提高样本数据的精确度，本文使用城市层面的数字普惠金融指数（CDF）与企业的财务数据相匹配。

第二，为避免反向因果关系和遗漏变量等问题导致内生性偏误，选取滞后1到3期的数字金融指数以及企业所在城市的互联网发展水平②作为核心解释变量的工具变量（杨德明和刘泳文，2018）。

在进行内生性检验之前，将核心解释变量更换为市级层面的数字金融指数。

第三，考虑到一些不随时间变化以及其他不可观测因素可能对回归结果产生影响，还对个体固定效应进行控制，回归同样采用市级层面的数字金融指数。

结果显示与前文一致，结果稳健可靠。

七、结论与启示

本文以2012—2018年沪深A股非金融上市公司为研究样本，首先考察了数字金融对企业成本粘性的影响，其次探究了数字金融影响企业成本粘性的作用渠道，随后分析了在不同产权性质和行业属性中，数字金融对企业成本粘性的异质性影响，最后检验了金融监管在数字金融与企业成本粘性中所起的调节效应。

研究发现：

第一，数字金融总体上抑制了企业成本粘性，且这种抑制作用具有持续性。

相较于覆盖广度，数字金融使用深度对企业成本粘性的抑制作用更大。

第二，作用渠道分析发现，数字金融通过缓解管理层代理问题和降低管理者乐观预期抑制了企业成本粘性，并无明显证据表明数字金融通过调整成本渠道增强了企业成本粘性，原因是数字金融在缓解企业投资不足的同时，还显著抑制了过度投资。

第三，异质性分析表明，相比于非国有企业、非新兴产业，数字金融对国有企业、新兴产业的成本粘性抑制作用更大。

第四，进一步分析发现，金融监管在数字金融与企业成本粘性的关系中起负向调节效应。

基于以上研究结论，可得出如下启示：

第一，数字金融有助于优化企业成本管理，降低成本粘性。

因此，一方面，需继续加大互联网、移动金融等基础设施建设，并增设相关配套性服务，推进数字金融最大限度地发挥效用；另一方面，在企业生产、经营和管理过程中，可利用数字金融纠正管理层的代理行为和决策偏差，助力企业降本增效。

第二，对国有企业和新兴产业而言，数字金融对成本粘性的边际抑制作用更大，这意味着国有企业和新兴产业本身具有更强的成本粘性。

因此，需进一步加强国有企业内部的监督机制，以纠正和约束管理者的决策行为。

另外，可适当降低地方政府经济增长指标的考核权重，防止地方政府盲目引导企业投资于新兴产业。

第三，创新金融监管模式，提升金融监管与数字金融之间的协调性，避免传统的金融监管削弱数字金融对成本粘性的抑制作用。

具体地，在科技赋能传统金融的同时，监管也应当与时俱进，即重点发展监管科技，借助大数据、云计算、人工智能等技术手段来增强监管的即时性、针对性和有效性