数实技术融合对企业投融资期限错配的影响研究

数实技术融合对企业投融资期限错配的影响研究

陈晓华，温春波

（浙江理工大学经济与管理学院，浙江杭州 310018）

中图分类号：F832.5

文献标识码：A

文章编号：2096-2517（2025）06－0003－13

DOI：10.16620/j.cnki.jrjy.2025.06.001

 收稿日期：2025-11-03

 基金项目：国家社会科学基金一般项目“中国产业链关键环节瘸腿型技术赶超的内源机理与高质量型自主可控路径研究”（22BJL126）

一、引言与文献综述

在当今中国经济转型与金融改革深化的关键时期，企业投融资期限错配问题日益凸显，已成为影响企业财务稳健乃至宏观经济金融稳定的重要瓶颈。中国企业短期债务比例较高，“短债长用”现象普遍，显著提升了企业违约风险。与此同时，一些银行存在“惜贷”倾向，企业融资难问题则进一步恶化了企业的债务期限结构。

推动数字技术与实体经济深度融合，是建设现代化产业体系、践行经济高质量发展的关键路径。在国家战略层面，工业和信息化部在《信息化和工业化融合2025 年工作要点》中提出“夯实融合发展基础保障”“强化信息技术赋能应用”“深化算力与行业融合应用”等多项内容，积极促进信息化与工业化的融合，这对技术升级优化企业投融资期限结构提出了指引。党的十九届五中全会明确要求“推动数字经济和实体经济深度融合”，已明确“以数强实”导向，旨在通过大数据、人工智能、区块链等前沿技术赋能产业升级。在此背景下，本文研究数实技术融合对企业投融资期限错配的影响具有十分重要的现实意义。

关于数实技术融合与企业投融资期限错配的相关研究有以下几个方面：

（一）关于数实技术融合的研究

当前研究对数实融合的界定存在宏观与微观视角的差异。宏观视角强调应从更丰富的“数字经济”范畴理解“数”，其内涵超越了单纯的“数字技术”，涵盖了数据要素、网络效应等更广泛的经济活动；微观视角则聚焦于数字知识与实体技术创新的互补互嵌过程，具体表现为数字技术知识在实体产业研发环节中的渗透与应用。

在实证研究中，如何准确、有效地测度企业层面的数实技术融合行为，是相关研究面临的基础性挑战。现有研究主要采用文本分析（如统计年报中数字化关键词词频）和资本投入（如与数字化相关的无形资产投资）两类方法，但这两种方法存在“言辞”与“行为”或“投入”与“产出”难以等同的局限，难以直接证实企业是否在核心技术环节实现了真正的技术融合，并且是否转化为有效的技术创新与生产力提升。

关于数实融合的经济效应，现有研究普遍认为其能通过提升全要素生产率、降低现金流风险、拓展创新边界等路径赋能企业发展。从宏观视角研究发现，数实融合能通过拉动国内消费和扩大国际贸易双循环，显著促进地区经济增长，且对中西部及非长江经济带地区作用更强。从微观企业专利视角研究发现，数实产业技术融合能显著提升企业全要素生产率，其机制在于拓展企业知识宽度、提升技术创新质量、强化对融合技术的吸收能力及产品竞争力。在风险治理方面，数实融合有助于优化信息环境、纠正金融错配，从而缓解企业投融资期限错配问题。在企业财务风险方面，数字化转型能通过降低代理成本、缓解信息不对称和减少经营成本等路径，有效抑制企业过度负债。

在促进数实融合的对策方面，现有文献为政策设计提供了多维度建议：一是强化数字基础设施建设和公共数据开放，呼吁政府搭建数实融合对接平台；二是优化金融供给侧改革，主张发展数字金融以缓解企业长期融资约束；三是培育新型实体企业，对非数字经济核心产业给予差异化支持。但未来研究需进一步探索数实技术融合的异质性影响，针对企业细化角度的异质性分析有待深入，在企业细化角度提出的相关建议亦存在不足。

（二）关于企业投融资期限错配的研究

企业投融资期限错配（Maturity Mismatch），是指企业利用短期负债支持长期资产投资，导致资产与负债期限结构不匹配的现象。在中国金融体系以银行为主导的背景下，企业投融资期限错配现象普遍存在。现有研究普遍认为，这并非企业为降低融资成本或强化治理的主动选择，而是在长期信贷供给不足约束下的被动适应。其根源在于，信贷供给端的银行出于风险控制和流动性管理偏好，更倾向于发放短期贷款，同时严重的银企信息不对称进一步抑制了长期信贷的供给。这种期限错配虽能暂时缓解企业资金压力，但会加剧财务风险、抑制创新并损害经营绩效。

为治理这一问题，传统路径聚焦于金融供给侧改革（如发展债券市场）和企业内部治理优化，但面临改革进程慢、治理成本高等问题。近年来的研究开始从新的视角探索企业投融资期限错配的缓解机制。例如，数字基础设施建设（如“宽带中国”战略）能提升信息透明度，优化银企信息环境，从而增强银行提供长期贷款的意愿。地方政府债务治理通过约束地方政府隐性债务、缓解政企融资竞争，间接增加了企业可获得的长期信贷资源。此外，企业数字化转型也被证实能通过提升信息质量与信贷可得性，吸引长期投资者，从而优化债务期限结构。这些缓解企业投融资期限错配的新机制的核心在于穿透银企间的信息壁垒，从根源上缓解因信息不对称导致的长期信贷供给不足，为优化企业信贷期限结构、防范金融风险提供了新的实践路径。

（三）关于数实技术融合对企业投融资期限错配影响的研究

近年来，随着数字经济的迅猛发展，在科技革命浪潮下，数实技术融合为企业发展提供了新的机遇，学者们普遍认为数字技术应用能缓解企业投融资期限错配问题。张瑞欣等（2024）研究认为，数字经济发展能够优化信息环境并抑制金融错配，进而降低企业投融资期限错配程度。龚永强等（2025）通过实证研究认为，企业要重视数字金融技术的发展，有效降低债务融资成本，从而缓解投融资期限错配。叶永卫（2023）采用双重差分方法深入考察了数字基础设施建设对企业投融资期限错配的影响，研究结果显示，数字基础设施建设能够显著抑制企业“短债长用”行为。这些都表明数实技术融合是改善信贷期限结构匹配的重要外部条件。

综上，现有研究普遍认同数字技术能缓解企业投融资期限错配问题。然而，大多数研究聚焦于“技术应用”的单向影响，未能深入剖析数实技术融合这一核心机制，即数字技术与实体产业技术在创新层面的深度交互与协同。这些研究忽略了融合带来的系统性变革，并且异质性分析多停留在企业规模、产权等表层，未能深入探讨企业技术特质、行业属性等内在特征的调节作用；机制检验也较为零散，缺乏一个完整、系统的理论框架来阐释数实技术融合如何重塑企业投融资行为。本文基于数实融合的微观视角，系统研究数实技术融合对企业投融资期限错配的治理效应与作用机制，并深入进行异质性分析。本文并非简单地将“技术”作为新的解释变量纳入传统理论框架，而是旨在揭示数实技术融合这一新型生产要素和组织方式，如何改变企业运行的基本约束条件，从而拓展甚至重构传统理论的解释边界。

本文的边际贡献主要体现在：第一，在理论层面，丰富了企业投融资期限错配影响因素的研究，整合了融资环境、信贷可得性和经营条件等多维度机制，并对不同类型企业开展异质性分析，弥补了现有文献中数实融合对企业投融资期限错配直接作用机制研究的不足。第二，在研究设计上，针对数实技术融合的内生性问题，创新性地采用多种机器学习模型（如双重机器学习、梯度提升、神经网络等）进行因果推断，在控制大量混淆变量的前提下增强了结论的稳健性。第三，在实践层面，为企业如何在数字经济发展浪潮中借助数实融合破解投融资期限错配难题提供了新的路径与政策启示。

二、理论分析与研究假设

中国企业普遍面临长期信贷供给不足的困境，被迫依赖短期负债支撑长期投资，形成“短贷长投”的被动选择。这种期限错配现象本质上源于银企之间的信息不对称和信用评估体系不完善。数实技术融合通过重构信用评估体系，为解决这一难题提供了新的技术路径。由此，数实技术融合成为驱动变革、缓解企业投融资期限错配的关键微观机制。数实技术融合并非简单的技术叠加，而是数字与实体技术在创新层面的深度交互，能从根本上改变企业的知识基础、生产流程与融资条件。为精准捕捉这一过程，本文摒弃了常见的文本分析法或投入指标，创新性地从企业专利引用入手构建数实技术融合指标。这种方法直接度量了知识从数字技术领域向实体产业领域的流动，是数实技术融合客观的行为证据，能为因果推断提供可靠的基础。并且新型实体企业作为数实技术融合的重要载体，兼具数字技术能力与实体经济属性，是推动融合深化的核心力量。理论分析表明，数实技术融合主要通过优化信息环境、改善金融资源配置、提升长期信贷可得性、优化企业内部经营条件等多重路径，影响并改善企业的债务期限结构。

从理论机制来看，数实技术融合通过“环境—市场—企业”的传导路径，系统性重塑了传统的信贷决策模式。这一路径深刻呼应并拓展了信息不对称与融资约束等经典理论。第一，在环境层面，它通过构建数字化的信息基础设施与风险定价体系，降低了整个金融系统的信息摩擦与交易成本，从宏观制度层面突破了传统信息不对称理论的假设边界，为资源高效配置创造了可能性。第二，在市场层面，改善后的融资环境直接推动了市场行为的改变，金融机构能够基于更精准、动态的风险评估，主动提升长期信贷供给，这标志着信贷配给模式从“抵押依赖”转向“基于数据的价值发现”，显著提升了长期信贷可得性。第三，在企业层面，技术的内化应用直接优化了企业经营基本面，增强了其内生现金流能力，这不仅降低了企业对外部短期融资的过度依赖，更从企业资源与能力提升的基础上巩固了期限匹配的财务结构，实现了从外部融资约束缓解到内部资源基础强化的闭环。这一完整的“环境优化—市场响应—能力构建”链条，清晰揭示了数实技术融合如何通过层层递进的机制，从根本上重塑银企关系并破解企业投融资期限错配难题。因此，本文提出以下假设。

假设1：数实技术融合能够缓解企业投融资期限错配现象。

融资环境的二元结构（外部融资约束与内部代理问题）是企业投融资期限错配的重要诱因。从外部环境看，数实技术融合通过三个渠道缓解企业融资约束。第一，数字征信平台通过整合税务、社保、水电等多维数据，构建更全面的企业信用画像，降低银行信息获取成本；第二，大数据风控模型提升风险评估精度，使银行能够更准确地区分企业质量；第三，智能合约技术实现信贷条件的自动化执行，降低合约执行成本。这些创新使企业SA指数显著下降，融资约束得到缓解。从内部环境看，一方面，在信贷展期方面，数实技术融合通过两个机制促进长期借款占比提升。一是，物联网设备实时监控抵押资产状态，降低资产保全成本，增强银行发放长期贷款意愿；二是，现金流预测算法提升企业还款能力评估的准确性，使银行更愿意延长贷款期限。另一方面，数实技术融合有效抑制了管理层的短视行为。第一，数字化绩效考评系统将长期指标纳入考核，改变管理者的激励结构；第二，数据可视化平台增强信息透明度，强化公司治理；第三，智能决策系统减少人为判断偏差，降低代理成本。这些共同优化了企业的融资环境，减少了企业对短期债务的依赖。因此，本文提出以下假设。

假设2：数实技术融合可以通过改善企业的融资环境缓解企业投融资期限错配现象。

在融资环境改善的基础上，信贷市场层面发生的缓解企业投融资期限错配现象的直接作用机制也不容忽视，它关注的是长期资金供给意愿的实际增加，本文采用长期融资可得性进行衡量。长期融资可得性不足的核心在于银企间的“数据鸿沟”。数实技术融合通过以下三条路径提升长期信贷可得性。在信息传递方面，企业数字技术专利的引用行为向市场传递技术升级信号，降低信息不对称程度。数字技术创新使Amihud 流动性指标显著改善，信息环境更加透明。在风险评估方面，数实技术融合用动态信用模型替代传统抵押担保。首先，数字足迹分析替代财务指标；其次，供应链数据替代抵押品估值；最后，实时监测替代定期审计。这种转变使长期信贷占比提升，短期负债下降。在合约设计方面，智能合约实现条件触发式展期。利率根据风险动态调整，期限随项目进度灵活匹配，还款方式按现金流优化。这种精准匹配显著提升了长期融资的可得性，进而缓解了企业投融资期限错配现象。因此，本文提出以下假设。

假设3：数实技术融合可以通过提高企业的长期融资可得性缓解企业投融资期限错配现象。

企业经营条件的优化是减少期限错配的内生动力。数实技术融合通过三重机制提升企业经营质量。在生产效率方面，数字孪生技术优化生产调度，通过实时数据驱动精准排产，智能算法优化工艺流程，数字仿真缩短研发周期。这些创新使全要素生产率持续提升，增强企业内生现金流能力。在风险管理方面，通过AI 预测模型稳定现金流：智能预警提前识别风险，动态对冲优化资金配置，场景测试评估极端冲击。这种主动管理使现金流波动风险显著降低。在市场声誉方面，ESG 等数据平台可确保数据真实，多维展示提升透明度，标准对接便利机构评估。这些改进吸引长期战略投资者替代高成本短期债务。以上三重机制形成以下正向循环：企业全要素生产率提升增强盈利能力→现金流改善降低融资需求→声誉积累拓宽融资渠道，最终构建起期限匹配的企业融资结构。因此，本文提出以下假设。

假设4：数实技术融合可以通过优化企业的经营条件缓解企业投融资期限错配现象。

三、研究设计

（一）数据来源

本文研究样本为2008—2022 年的沪深A 股上市公司，上市公司基本数据和财务数据来源于国泰安上市公司数据库，并进行了以下处理：（1）剔除ST、*ST 和PT 企业；（2）剔除金融、保险和银行业等样本；（3）剔除数据缺失值和异常的观测值。

（二）变量定义

1.企业投融资期限错配（SDLA）

本文中企业投融资期限错配主要通过企业对短期融资所获资金用作长期使用即“短债长用”（SDLA）进行衡量。借鉴刘晓光等（2019）的研究，用企业短期负债比例（短期负债/总负债）与短期资产的比例（短期资产/总资产）之差衡量企业投融资期限错配现象。该变量的值越大，投融资期限错配现象越突出。

2.数实技术融合（TechChov）

借鉴黄先海等（2023）的研究，利用专利引用信息来验证企业是否将本数字技术应用于实体产业中，以此测度企业的数实技术融合行为。具体而言，可以通过IPC 分类来识别某项技术创新是否属于数字产业领域的技术创新。若该项专利IPC 主分类属于非数字产业技术，且其引用的专利中至少有一项专利分类为数字产业技术，则定义该项专利代表企业的一次数实产业技术融合行为。将该指标加总到企业—年份层面得到企业各年度数实产业技术融合数量，加1取自然对数后作为企业数实技术融合的衡量指标。

3.控制变量

本文参考何青等（2024）和李逸飞等（2022）的研究，选取以下控制变量：企业年龄（AGE）、是否国有控股企业（SOE）、经营活动产生的现金流量净额（CFO）、资产负债率（Leverage）、存货周转率（ITR）、非流动资产周转率（FAT）、研发投入占营业收入比例（RD_Intensity）、托宾Q 值（Tobin）、总资产净利润率（ROA）、员工人数（EMP）、董事会规模（Board_Size）。

各变量的描述性统计如表1 所示。

表1 变量的描述性统计

（三）模型构建

本文借鉴张涛等（2023）的方法，通过双重机器学习模型评估数实技术融合对企业投融资期限错配的影响。双重机器学习模型弥补了传统因果推断方法和机器学习方法的缺点，通过正则化对高维变量选择，正交化解决偏差，样本交叉验证（交叉拟合）避免过拟合，并对整个估计方法构造置信区间，在处理经济变量之间的非线性关系等方面具有极大优势。

本文构建的部分线性双重机器学习模型和中介效应模型如下：

其中，i 为企业；t 为年份；SDLA 表示企业投融资期限错配；TechChov 表示企业数实技术融合，θ0为本文重点关注的处置系数；Xit 为控制变量集合，Yit 为中介变量；f（Xit）函数形式未知，需采用机器学习算法估算其具体形式；εit 为误差项，条件均值为0。

四、实证分析

（一）基准回归分析

本文采用双重机器学习模型通过5 折交叉验证估计数实技术融合对企业投融资期限错配的影响。表2 中列（2）至列（6）结果显示，在依次加入控制变量一次项、控制变量二次项、时间固定效应和个体固定效应后，数实技术融合的系数在1%的置信水平上显著为负，说明企业开展数实技术融合有利于缓解投融资期限错配行为。

表2 基准回归结果

注：***、**、*分别表示在1%、5%、10%的水平上显著，括号内为标准误。下同。

图1呈现了数实技术融合对企业投融资期限错配的处理效应分布情况。横轴表示个体处理效应（ITE），纵轴为频数。可以看出，大部分个体处理效应集中在0 的左侧，为负值，且呈正态分布，表明数实技术融合对企业投融资期限错配具有显著负向影响。

图1 平均处理效应分布直方图

（二）稳健性检验

1.替换核心解释变量

为验证实证结果的稳健性，本文采用替换核心解释变量的方法，重新构建数实融合测度指标。借鉴谢思等（2024）的方法，先从互联网普及率、数字普惠金融等五个维度整合形成数字经济综合指标。针对实体经济的度量，现有研究存在广义与狭义之分，本文依据胡春阳等（2023）的方法，在狭义实体经济基础上进行指标重构。鉴于投资与消费作为内需核心支撑着国民经济平稳运行，加之实体经济与金融市场的信贷联动日益紧密，本文最终从产出规模、资本投入等四个维度构建评估体系。相较单一制造业指标，该多维框架既能规避部分综合评价体系的指标重叠问题，又能更全面、清晰地揭示实体经济运行逻辑。在数实融合测度环节，先通过熵值法分别计算数字经济与实体经济子系统综合得分，再运用耦合协调模型量化二者融合水平。基于熵值法构建的数实融合综合指标体系见表3。具体测度方法如下：

资料来源：作者参考谢思等（2024）、胡春阳等（2023）的研究自行设计。

其中，C 表示数实融合的程度；Mix 是修正后的数实融合程度；α 和β 是待定系数，一般情况下认为实体经济和数字经济同样重要，所以α=β=0.5。C和Mix 的取值范围为［0，1］，越接近1 表示数实融合程度越高。

替换核心解释变量后重新进行回归，表4 中列（1）、列（2）结果显示，数实融合的系数均在1%的水平上显著为负，表明本文结论具有稳健性。

表4 稳健性检验结果（一）

2.替换核心被解释变量

本文借鉴钟凯等（2016）的方法，使用短贷长投（SFLI）来衡量企业的投融资期限错配行为。短贷长投=［购建固定资产等投资活动现金支出-（长期借款本期增加额+本期权益增加额+经营活动现金净流量+出售固定资产现金流入）］/上期总资产。该指标越大，说明企业投融资期限错配现象越突出。替换核心被解释变量后重新进行回归，表4 中列（3）结果显示，数实技术融合的系数在1%的水平上显著为负，与基准回归结果一致，说明即使更换被解释变量指标，数实技术融合对企业投融资期限错配的抑制作用依然存在。

3.控制省份—时间交互固定效应

相同省份的企业往往面临同样的投融资政策和环境，因此本文借鉴张涛等（2023）的方法，控制省份—时间交互固定效应后再次进行回归。表4 中列（4）结果显示，数实技术融合对企业投融资期限错配依然具有显著的抑制作用，表明本文的结论不受地域和时间特定因素的干扰，具有较强的普遍性。

4.改变样本分割比例

为了验证样本分割比例对结果的影响，本文分别采用Kfolds=3 和Kfolds=8 的设置进行稳健性检验。表5 中列（1）、列（2）结果表明，无论样本分割比例如何调整，数实技术融合的系数始终显著为负，进一步验证了本文结论的稳健性和可靠性。

表5 稳健性检验结果（二）

5.更换机器学习模型

为了确保机器学习模型的选择不影响研究结果，本文分别采用Lassocv、Gradboost 和Nnet 等机器学习模型重新进行回归。表5 中列（3）至列（5）结果显示，无论采用哪种机器学习模型，数实技术融合的系数均显著为负，这表明研究结论在不同模型下具有一致性和稳健性。

（三）机制分析

1.基于融资环境的机制分析

现有研究在讨论融资环境时，仅单独讨论外部或者内部环境，本文则综合考虑内外部环境。对于外部融资环境，借鉴马融等（2025）的方法，从企业融资约束程度的角度来衡量外部融资环境，用SA 指数表示融资约束（SA_index）。理论上，一般认为融资约束高的企业难以获得长期资金，更易被迫“短贷长投”。由表6 中列（1）可知，数实技术融合对降低企业融资约束有显著的促进作用，有助于提高企业的整体规模和竞争力，从而缓解企业面临的外部融资压力。

表6 机制分析：基于融资环境

对于内部融资环境，本文采用信贷展期和管理者短视来衡量。借鉴马军潞等（2013）的做法，信贷展期（Structure）通过长期借款占长期借款和短期借款之和的比重来衡量，该值越大，表明债务期限结构越长。由表6 中列（2）可知，数实技术融合有助于债务期限结构的优化，从而增加长期资金供给，缓解企业投融资期限错配。

对于管理者短视，借鉴胡楠等（2021）的做法，采用文本分析法构建管理者短视指标。中文管理层讨论与分析（MD&A）中有关“短期视角”的种子词集包括直接和间接两大类。直接大类包括“天内”“数月”“年内”“尽快”“立刻”“马上”；间接大类包括“契机”“之际”“压力”“考验”。采用Word2Vec中的CBOW 模型（Continuous Bag-of-words Model）对中文年度财务报告语料进行训练。

CBOW 模型如下：

其中，C 表示语料；w 表示中心词；Context（w）表示中心词的上下文。基于词典法计算“短期视域”词汇总词频占MD&A 总词频的比例，乘以100 后得到管理者短视主义指标（myopia）。该指标值越大，表明管理者越短视。表6 中列（3）的结果显示，数实技术融合对管理者短视的影响显著为负，印证了数实技术融合通过改善内部信息环境与监督效率，能够有效抑制管理层的短期机会主义行为，使管理层意识到“短债长用”行为不利于企业长期经营的稳定性，从而缓解了企业投融资期限错配。

2.基于长期融资可得性的机制分析

本文从长期信贷可得性和信息不对称两方面来表征企业的长期融资可得性。借鉴何青等（2024）的研究，通过长期负债/总资产（II）、长期负债/总负债（II2）和短期负债/总资产（SL）来衡量长期信贷可得性。由表7 中列（1）可知，数实技术融合对长期负债比例的系数显著为正，而对短期负债比例的系数显著为负，这表明数实技术融合有效引导了企业信贷资源配置向长期化转变，即帮助企业获得了更多长期资金，替代了对短期融资的过度依赖。

表7 机制分析：基于长期融资可得性

李逸飞等（2022）指出，在企业投融资过程中，企业的信息甄别能力有助于企业准确掌握投资端和融资端的信息，通过信息渠道获得自己所需要的长期融资。借鉴Amihud 等（1997）、于蔚等（2012）和Pástor 等（2001）基于日频交易数据的方法来测算信息不对称程度（ASY）。测算方法为：构建流动性比率指标和非流动性比率指标其中rit（k）表示i 企业t 年度第k 个交易日的股票收益率，Vit（k）表示日成交量，Dit 表示当年交易天数。再用收益率反转衡量流动性。收益率反转指标GAMit=|γit|，系数γit 由下式估计得到其中-rmt（k）为超额收益率，rmt（k）表示按市值为权重加权的市场收益率。最后将收益率反转指标记为信息不对称（ASY）。由表7 中列（2）可知，数实技术融合对信息不对称的影响显著为负，说明数实技术融合能够显著降低企业内外部之间的信息壁垒。信息环境的改善是前述信贷期限结构得以优化的根本原因，它增强了资金供给方对企业长期还款能力的信心。

3.基于经营条件优化的机制分析

本文选择全要素生产率（TFP_OP）、现金流风险（Cash_Flow）和企业声誉（Reputation）这三个指标来表征企业经营条件优化，它们分别从运营效率、风险抵御和外部认可三个维度完整刻画了企业内在能力与外在形象。借鉴鲁晓东等（2012）用全要素生产率衡量企业发展的方法，采用OP 法计算企业全要素生产率，用TFP_OP 表示。由表8 中列（1）可知，数实技术融合对全要素生产率的影响显著为正，表明数实技术融合通过优化资源配置、提升创新效率，显著增强了企业的核心盈利能力和价值创造潜力。这种根本性的能力提升向市场传递了积极信号，增强了企业获取长期稳定资金的硬实力。

表8 机制分析：基于经营条件优化

数实技术融合有助于降低企业经营风险，经营风险的降低意味着企业发展状况较好，融资需求较低。借鉴刘丽娜等（2024）的研究方法，用t-2 年至t+2 年企业经营活动现金净流量/总资产的标准差衡量企业的现金流风险（Cash_Flow）。由表8 中列（2）可知，数实技术融合对现金流风险的影响显著为负，表明数实技术融合通过提升经营效率和稳定性，能够有效平滑现金流波动，降低短期财务风险，从而减少对短期负债的依赖，减少“短债长用”现象的出现。

对于企业声誉，本文借鉴国内外企业声誉榜单评价体系与常丽娟等（2015）的做法，选择12个企业声誉评价指标，采用因子分析方法计算出企业声誉得分（Reputation）。由表8 中列（3）可知，数实技术融合对企业声誉的影响显著为正，说明数实技术融合行为本身作为一种积极的“信号”，有助于塑造企业创新和高质量发展的良好形象，从而提升其外部融资吸引力与信用资质，促使企业融资期限与投资需求相匹配，有效抑制了企业投融资期限错配。

（四）异质性分析

1.企业产权异质性分析

一般来说，国有企业相对于非国有企业往往体量更大，且有着更加完善的组织结构和信息获取渠道。本文借鉴李增福等（2023）的研究方法，用TS 表示TechConv 与State_Group 的交互项，State_Group 为1 代表国有企业，为0 代表非国有企业。表9 中产权性质的异质性检验结果显示，数实技术融合对国有企业投融资期限错配的缓解作用更为显著。首先，数字技术与实体经济深度融合通过提升信息透明度和信用评估准确性，进一步强化了国有企业的融资优势，降低了其对短期债务的依赖。其次，国有企业的政府隐性担保和稳定的经营背景使其更容易获得银行长期贷款，从而能更有效地优化债务期限结构。最后，国有企业往往更早、更深入地推进数字化转型，有着更高的生产率和更好的企业声誉，形成了更强的内生现金流能力和长期融资吸引力，进一步抑制了投融资期限错配的行为。

表9 异质性检验结果

2.企业固定投资需求异质性分析

实体投资需求高的企业，需要通过购买大量的固定资产来扩大自己的经营规模和提高经营效率，从而会产生更多的资金需求。本文借鉴李增福等（2023）的研究方法，用TF 表示TechConv 与FA_Group 的交互项。FA 为固定投资净额，表示企业的实体投资需求，按照不同年份划分中位数，FA_Group 为1 代表高投资需求企业，为0代表低投资需求企业。表9结果显示，在固定投资需求高的企业样本中，数实技术融合缓解投融资期限错配的作用更加明显。

3.企业风险偏好异质性分析

由于长期投资的风险高，银行会针对不同风险偏好企业的长期融资需求提供不同的信贷配方案，故不同风险偏好的企业可能获得不同的信贷配给。本文借鉴李增福等（2023）的研究方法，用TT表示TechConv 与Risk_T_Group 的交互项。Risk_T为企业风险偏好，以经过年度行业均值调整的ROA在t 期至t+2期滚动标准差（RISK）进行度量，Risk_T_Group 为1 代表高风险偏好企业，为0 代表低风险偏好企业。结果显示，在风险偏好更高的企业样本中，数实技术融合缓解投融资期限错配现象的作用更加明显。

4.市场竞争程度异质性分析

借鉴刘丽娜等（2024）的研究方法，用TH 表示TechConv 与HHI_D_Group 的交互项。HHI_D 为赫芬达尔指数，衡量企业所处行业的竞争力，该指数的计算方法为：将行业内各公司的主营业务收入占行业主营业务收入总额的比例进行平方后求和。指数值越低，表明行业市场竞争越激烈。HHI_D_Group 为1 代表高竞争企业，HHI_D_Group 为0 代表低竞争企业。结果显示，对市场竞争程度高的企业，数实技术融合缓解投融资期限错配的作用更加明显。

五、结论与政策建议

（一）结论

本文基于2008—2022 年中国沪深A 股上市公司数据，实证检验了数字技术与实体经济（数实技术）融合对企业投融资期限错配的影响及其作用机制。研究结果表明：数实技术融合能够显著降低企业投融资期限错配程度。机制分析进一步揭示，数实技术融合主要通过三大路径发挥作用：一是改善企业融资环境，表现为降低融资约束、优化债务期限结构、抑制管理者短视行为；二是提升长期信贷可得性，即增加长期负债比例、减少短期负债依赖，并显著降低银企间信息不对称程度；三是优化企业经营条件，通过提升全要素生产率、降低现金流波动风险、增强企业声誉，从而增强内生现金流能力并拓宽长期融资渠道。异质性分析发现，数实技术融合的积极效应在高固定投资需求、高风险偏好以及处于高市场竞争程度行业的企业中更为显著。本文不仅丰富了企业投融资期限错配影响因素的理论文献，而且整合融资环境、信贷可得性和经营条件三维度，系统检验了数实技术融合的作用机制，为理解如何利用数字化转型重塑企业融资结构提供了微观证据。

（二）对策建议

第一，构建跨部门可信数据共享平台，优化企业融资环境。建议由政府牵头，在重点行业与园区推动建立企业全生命周期数据画像系统，整合经营、信用、治理等多维信息，并借助区块链技术实现可控共享。此举可系统性降低银企信息不对称，抑制管理者短视行为，为长期信贷投放奠定信息基础。

第二，推广智能合约与动态信贷产品，提升长期信贷可得性。鼓励金融机构开发基于物联网、大数据评估的智能信贷产品，实现贷款条件与企业经营状况的动态匹配。重点向高技术、重资产企业提供“研发贷”“设备贷”等长期融资工具，并通过供应链数字平台赋能中小企业发展，缓解其长期融资约束。

第三，建立企业经营条件优化的长效机制，夯实财务健康基础。对通过数实融合提升生产率的企业给予税收激励；对应用智能风控工具稳定现金流的企业提供融资支持；建立企业数字化声誉评价体系并与融资服务挂钩。从而提升企业经营效率、增强财务稳健性、拓展长期融资渠道，从内在驱动企业形成与投资期限相匹配的融资结构，有效抑制短债长用行为。

排版/左凌志

校对/周士姗