引言

党的二十大强调，要“推动绿色发展，促进人与自然和谐共生”，其中首要的工作任务是“加快发展方式绿色转型”，这比党的十九大提出的“推进绿色发展”更加突出关注实体经济的转型需求。在“双碳”目标下，加速经济绿色转型是推动经济高质量发展的内在要求，也是全球可持续发展的必然趋势 ^[1]。企业作为经济实践中的微观最小构成，是实现绿色转型目标的重要载体。具体来看，企业以资源集约利用和环境友好为导向，依靠绿色创新为核心实现绿色转型 ^[2]，能够摆脱经济发展对高消耗、高排放和高污染的依赖。有鉴于此，深入探讨企业绿色转型的驱动力，无论是对于新发展阶段落实国家绿色发展战略，还是对于提升企业核心竞争力都具有重要现实意义。

如何驱动企业绿色转型？企业发展节能减排、绿色低碳等创新技术具有前期投入高、开发周期长、外部性突出等特征，这需要强有力金融支持来化解上述问题。应当说，金融是企业高质量发展的重要动力，也是实现绿色转型过程中的支撑要素 ^[3]。然而较为遗憾的是，中国因金融市场化不足和体制机制缺位等多重因素的叠加，极大地降低了金融供给质量，金融资源与具有绿色转型需求的企业之间呈现出显著错配失衡关系 ^[4]。为实现企业绿色转型发展，亟须引入新的技术手段来赋能金融服务实体经济的质效。数字经济时代下，金融业依托人工智能、云计算、大数据等新兴前沿数字技术，创新金融服务和金融产品 ^[5]，形成了新的金融业态——金融科技，并对实体经济发展产生了重大影响。

在学术研究上，金融科技能否有效赋能实体经济转型仍未得到一致结论。一方面，金融科技实现了金融资源供给模式丰富和获取成本降低的双重优化 ^[6]，为实体经济转型发展提供了充足动力。另一方面，金融科技利用大数据和云计算技术收集、处理、分析海量非结构化、非标准化数据，能够帮助金融机构进行精准画像，重构信任评估机制 ^[7]，为提升金融机构的筛选精准度和匹配度，为改善微观经济主体的流动性限制提供了有力支撑 ^[8]，从这个角度来看，金融科技能够有效服务微观经济主体的创新转型需求。当然，也有部分学者观点相左。由于企业自身的信息不对称以及脆弱性和风险传染性等问题，金融科技难以完全获取有效数据，从而降低金融资源配置效率 ^[9]；特别地，金融科技创新过程并没有脱离金融属性，在技术创新推动下，可能出现更复杂的金融风险 ^[10]，对实体部门生产转型过程产生抑制作用。基于上述讨论不难发现，现有研究针对“金融科技—企业绿色转型”范式下的结论并未达成统一。本文认为，针对金融科技如何影响企业绿色转型开展研究，不仅有助于释放中国金融业的巨大潜力，还能服务于实体经济绿色转型的现实需求，具有相当的理论价值和实践意义。

本文力图在如下方面有所贡献：第一，基于数字经济发展大背景下，将金融科技与企业绿色转型纳入同一个框架，探讨两者之间的影响及相关机制；第二，深入剖析“金融科技—企业绿色转型”的机制“黑箱”，以“财务状况”“风险平滑”和“绿色创新”机制为靶向，丰富对金融科技作用渠道的理解；第三，实证研究金融科技在地理空间上的溢出效应，并考察“本地—外地”金融科技的协同功效，为理解金融科技与企业绿色转型两者之间关系提供新视角。

1 理论分析与研究假说 1.1 财务缓解机制

金融科技能够缓解企业融资困境，进而促进企业绿色转型。企业绿色转型需要在设备、制度建设、人员配置上进行大量的资金投入和重新配置，资源边界约束问题往往是横亘在转型过程中的核心问题，金融科技为此提供了可行的解决方案。首先，金融科技作为新型金融业态，能够基于自身的前沿数字技术广泛吸收社会中分散的金融资源，并整合形成新的金融供给，为微观经济主体提供更加丰富且可获性更高的金融产品与服务 ^[11]；其次，金融科技能够借助大数据手段有效评估企业信用和发展潜力，增强金融供给与企业需求的匹配度，进而缓解企业融资约束 ^[12]，使得企业绿色转型活动具备更强的内生财务基础。再次，核心企业依靠金融科技对自身行为数据进行捕捉，能够进一步将自身内部的非结构化、非标准化信息数据进行处理和输出，解决企业内外信息不对称问题。在企业信息充分释放的情况下，金融机构及外部投资者会增强对企业的投资信心，减少金融支持过程中所要求的“风险溢价”，使得实体企业融资成本显著降低，为企业绿色转型提供更良好的资金环境。由此来看，金融科技能够协助企业改善自身财务行为，营造较为健康稳定的财务环境，为绿色转型拓展出足够的“试错”“容错”空间，进而企业能够更加有针对性地投资绿色项目，显著促进自身绿色转型乃至服务宏观经济发展的绿色需求 ^[13]。综合上述，金融科技能促使相关信息及时、准确披露，降低信息不对称程度，提高企业的融资能力，进而使企业得到更为充足的资金支持，助力企业绿色转型。

1.2 风险平滑机制

金融科技能够增强企业的风险平滑能力，进而促进企业绿色转型。从企业面对风险的主动承担意愿来看，金融科技能够在资源供给和支持上展现出良好表现，从而显著缓解了企业的资源约束困境，使企业降低了对风险的厌恶规避程度，提高了对不确定性的容忍水平，从而有着更大的主观能动性来面对绿色转型实践中的风险。更为重要的是，金融科技能够凭借自身前沿的数字化技术来赋能信息技术处理过程，提升企业对信息的掌握和分析能力，强化企业对新技术、新制度中蕴藏的风险的评估和处理能力，帮助企业构建风险分析和管理框架，增强风险识别和处置效率 ^[14]，降低企业生产经营实践过程中衍生的各类风险，企业将更有动力在绿色转型实践中加大投入。金融科技的运用还能更好地实现企业对信息的收集管理以及财务制度的制定，降低自身的财务风险 ^[15]，为企业的绿色转型营造稳定的财务环境。此外，金融科技的应用还能缓解企业的融资限制，减少企业在极端财务情境下的异常投融资行为 ^[16]，进一步增强财务稳定性，这显然能够为企业绿色转型活动提供坚实保障。

1.3 绿色创新激励机制

金融科技强化企业绿色创新活跃度，进而促进企业绿色转型。从环保支出角度来看，一方面，金融科技依托前沿的数字信息技术，打破传统金融的边界束缚和创新要素流动的地理限制 ^[17]，聚集社会上的闲散资金注入环保投资领域中；另一方面，金融科技凭借其敏锐的识别能力，更加关注聚焦于有绿色创新意愿和潜力的企业，为这类企业提供更多绿色创新的信贷支持 ^[18]，从而在一定程度上倒逼企业提升其专项绿色投入水平。从绿色创新产出的角度来看，金融科技引导下的专项绿色投入增加，使得企业具备资源展开绿色创新项目，为企业绿色转型奠定专项技术基础 ^[19]。特别地，企业在绿色转型实践中获得的边际生产质效提升也会进一步得到金融科技的青睐，金融科技将对这类企业赋予更多的关注和金融支持，又会反过来提振企业绿色创新转型的主观能动性，如此使企业自主绿色创新进入良性循环，促进绿色转型步伐的加快。本文认为，金融科技发展能够有效提升企业绿色创新研发实践中的活跃度，为企业绿色转型奠定良好技术基础。综合前述内容，本文提出如下核心假说。

假说：在其他条件不变的情况下，金融科技能显著促进企业绿色转型。

2 研究设计 2.1 数据来源

本文以中国沪深A股上市企业作为研究对象，研究时间区间为2011—2021年。其中，企业专利数据来自CSMAR数据库，企业财务数据来自Wind数据库，金融科技数据基于天眼查网站公布信息处理后得到，企业年报文本信息来自巨浪资讯网。此外，本文对原始数据进行了如下清洗工作：第一，剔除ST（国内上市公司连续两年亏损，被进行特别处理的股票）、*ST（国内上市公司经营连续三年亏损，被进行退市风险警示的股票）、PT（国内上市公司出现连续三年亏损等情况，暂停上市，实施特别转让服务）及期间退市企业；第二，剔除金融类企业；第三，剔除首次公开募股发行的观测值；第四，保留5年内不存在断点的样本数据，最终得到了一共1981家上市企业作为分析样本；第五，对所有连续型变量进行上下1% 的Winsor处理。

2.2 变量设定 2.2.1 被解释变量——企业绿色转型（GTS）

本文采用特征词图谱来定量企业绿色转型程度，通过捕捉企业年报中有关企业“绿色转型”的关键词，统计其词频来测度企业绿色转型。具体步骤如下：第一，本文通过政府层面信息（如《国务院关于加快建立健全绿色低碳循环发展经济体系的指导意见》《国家环境保护标准“十三五”发展规划》等重要纲领性政策文件）、行业报告（如《中国绿色转型与可持续发展报告》《低碳科技白皮书（2021）》）以及相关文献 ^[20]确立了初步关键词^①。第二，本文基于机器学习的方式，识别出同初步关键词相关系数较高的词汇，作为新增的绿色转型关键词纳入词谱中，总关键词数目达到285个。第三，本文借助Python中的Jieba分词功能，对上市企业的年报全文进行绿色转型关键词的搜索、配对，从而统计出每个关键词（285个）在年报中的出现频率。第四，考虑到企业往往是在当年年中对上一年的年报进行写作、审核与披露，因此企业有着较大可能性会在当年写作时，穿插后续年度的发展状况与未来设想，这可能会导致绿色转型关键词的词频受到干扰。于此，本文采用滚动计算方式进行处理，即统计出特定年份与其前后各1年年报中的绿色转型关键词词频，进行算数平均处理。最后，针对上述变量进行对数化处理，从而得到企业绿色转型的强度指标。

① 初步词汇内容结构如下：①绿色战略：增产减污、增产不增污、碳达峰、碳中和、蓝天工程、节能减排、绿色低碳战略、绿色高质量发展、环保优先；②环境规划：环境保护技术研究、环境综合治理、环境管理体系、生态综合治理、环保管理、绿色生产基地建设；③技术升级：环保设备购置、环保设施设备升级改造、防污防治设施、废水处理设施、废气治理设施、固体废物治理处置、废气处理设备、固体废物资源化利用；④污染补偿：生产安全费、劳动保护费、生产防护费用；⑤排污许可：排污费、持证排污、污水排污费；⑥环境评估：环境监测、污染源辨识、环保举措、环境预审、环境评价、环境自行监测、“三同时”制度；⑦环境配套：环境科研费、环境管理费、环境责任保险费、环境保护税、环境整治费、环保专项资金；⑧安全维护：环境恢复治理、环境恢复费用、土地复垦费、自然生态修复、生态环境治理修复、生态治理费、环境污染整治。

2.2.2 核心解释变量——金融科技（Fintech）

本文通过计算区域范围内金融科技公司的数量来加总成为省域级别的金融科技企业数量指标 ^[21]，该指标越大，表明金融科技发展水平越高。借助Python在“天眼查”网站基于“金融科技”“ABCD技术”等关键词对企业经营范围进行筛查（变量的处理流程如图 1所示），识别出省域的金融科技公司数量进而得到金融科技代理指标。

2.2.3 控制变量

参考现有研究，本文在实证模型中引入了对核心关系存在重要影响的变量，以最大限度减弱遗漏变量导致的内生性问题。在微观层面，本文纳入了企业总资产（Lnasset，对数化处理）、杠杆率水平（Lev）、第一大股东持股比例（First）、成立年龄（Age）、股票换手率（Turnover）、两职合一（Mega，董事长和总经理为同一人取值为1，否则为0）、净资产收益率（ROE）、合格境外机构投资者持股占总股本比例（QFII）、实体资产配置[RCR，（营运资金+ 固定资产净额+ 无形资产净额）/ 总资产]、审计意见（Audit，审计单位出具标准无保留意见取0，否则为1）；在宏观层面，本文纳入了省级层面的经济增长水平（GDP，对数化处理）、产业结构（Struc32，第三产业与第二产业增加值之比）、环境保护支出强度（EPE，地方环境保护支出占比一般预算收入），并刻画了政府环境关注度（GRE，政府年度工作报告中生态环境关键词占比）^[22]。

2.3 模型设定与实证策略

本文设定了模型（1）检验金融科技对企业绿色转型的影响：

(1)

其中，企业绿色转型（GTS）为被解释变量；金融科技（Fintech）为核心解释变量；CVs为控制变量组；ɛ为随机误差项。为缓解变量间的时滞性影响和内生性扰动，本文采用滞后1期的金融科技变量进行回归。为了在最大限度上降低不可观测因素对回归模型的干扰，本文控制了最严格的“时间（Year）—企业（Firm）—省份（Prov）”三重固定效应。

3 实证结果与经济分析 3.1 基准回归

表 1展示的是“金融科技—企业绿色转型”的基准回归结果。在回归（1）中，本文仅在控制了固定效应的基础上检验金融科技对企业绿色转型的影响，金融科技变量（L.Fintech）的回归系数为0.124且通过了1% 的统计显著性检验；在回归（2）和（3）中，本文进一步纳入了“微观—宏观”控制变量集合，相应的金融科技变量回归系数依旧为正值且呈现出高度显著状态。上述实证结果表明，金融科技发展越好，则越有助于企业绿色转型水平提升，这为本文的核心假说提供了经验证据的支持。

3.2 稳健性检验 3.2.1 延长回归时间窗口

表 2的实证检验基于更大的时间周期口径开展检验，以考察金融科技对企业绿色转型影响的可持续性特征。该部分主要可以切分为两个技术手段，一是针对核心解释变量进行滞后处理；二是针对被解释变量进行前置处理，这类技术处理不但能够考察两者之间的远期影响，还能进一步避免变量间的互为因果问题。具体来看，在核心解释变量分别滞后2、3、4期处理，可以发现，三个滞后期的回归系数均为正值且均通过1% 的统计显著性检验；相应地，本文将被解释变量分别进行前置2、3、4期处理，可以看到，变量回归系数同样为正且至少通过5% 的统计显著性检验。这表明，原有核心基准结论并没有发生变异，并且还进一步发现了这种正向影响随着时间推移具有可叠加的促进效果。

3.2.2 增删部分因素

表 3的实证检验主要基于“增加重要因素—剔除部分影响”的技术思路开展研究。在“增加重要因素”的层面上，主要侧重从“绿色”和“金融”视角进行要素补充。在绿色要素上，本文基于中央环保督察、绿色金融改革创新试验区和绿色信贷政策三大政策事件，分别构建了相应的事件冲击变量（ECS、GR、GC，即企业在特定年度受到上述三项政策冲击影响时取值为1，否则为0）；在金融要素上，本文以2017年中国人民银行金融科技（FinTech）委员会设立的年份为时间标的，设置虚拟变量Board（2017年之后取值为1，否则为0）；并基于2016《 G20数字普惠金融高级原则》通过为事件标的，依照相关文献 ^[23]的做法设置了政策冲击变量（Dig_F）。在“剔除部分影响”的层面上，一是考虑到直辖市地区存在一定的政治特殊性，同时具备经济较为发达、创新活力足、韧性强等特征，金融科技发展导向及企业绿色转型行为可能存在不同，这极有可能会干扰到核心结论的无偏性，因此本文将这类地区的样本点进行删节处理。二是考虑到本文的企业绿色转型指标的构建是基于企业文本大数据分析而来，而公司从自身的利益出发，为了吸引更多投资者的目光，在企业年报或社会责任报告披露的信息里可能会掩盖自身漏洞，存在信息失真可能，诸如“夸大其词”抑或“秘而不言”。因此，为提升文本分析的计算质量和刻画准确度，本文参照证监会年报披露的质量考核级别，仅保留考核评级为A级和B级的样本企业。经由上述程序对相关样本处理后，各回归系数依旧显著为正且至少通过5% 统计显著性检验，这与本文假说保持一致。

3.2.3 变更变量计算口径

表 4的实证检验主要聚焦于变更“被解释变量—核心解释变量”的计算方式和口径，进一步识别“金融科技—企业绿色转型”关系的确当性。在被解释变量计算口径的调整上，本文以年报文本的“词汇总数（V）—句子总数（S）”为基础，计算绿色转型词汇词频的占比强度（分别得到GTS_V和GTS_S）两类指标。在核心解释变量计算口径的调整上，一是借鉴相关文献 ^[24]的研究方法，构建金融科技指数（Fintech_ N1）；二是使用特定省份区域内金融科技相关新闻年度检索结果全国占比（Fintech_N2）来对核心变量进行口径变更；三是在原有区域金融科技企业数量的范畴上，由省级层面数据进一步细化至城市层面（Fintech_City）。经由上述核心变量计算口径的调整改变后，原有的核心结论依旧没有发生任何改变。

3.3 异质性检验

本文基于科技属性界分“高科技企业（Hightech）—非高科技企业（Non_Hightech）”，基于产权属性界分“国有企业（State）—非国有企业（Non_State）”和基于污染属性界分“重污染企业（Pollution）—非重污染企业（Non_Pollution）”三个组别进行异质性检验，以此来探究金融科技助力企业绿色转型对不同属性企业的差异效果。本部分检验采用数据可视化方式展开检验。

3.3.1 科技属性差异

实证结果显示（图 2），在高科技企业组别中，金融科技对企业绿色转型具有典型的促进作用（回归系数及其置信区间均显著高于0轴线）；而在非高科技企业组别中，金融科技对企业绿色转型的影响并不足够突出（回归系数的置信区间与0轴线相交，不显著异于0）。这是因为，高科技企业在发展绿色转型上具有明显的主观能动性、深厚的技术创新底蕴和前瞻性的视野，能够更好地借助金融科技满足自身发展需求。因此，这类企业具有更大的决策空间，能够将更多的资源投放绿色转型领域。相比之下，非高科技企业缺乏技术基础和绿色转型的意愿，即便金融科技催生的新兴金融填补资金方面的缺口，这类企业并不会将资金投资在技术研发上，因其配套技术相对落后、经营管理理念与前沿转型方向错位，也没有足够的能力将资源配置到绿色转型的项目中，无法为企业绿色转型提供切实保障，反而容易造成资源浪费。由此，金融科技对高科技和非高科技企业的绿色转型产生了显著的非对称影响效果。

3.3.2 产权属性差异

实证结果显示（图 3），在非国有企业组别中，金融科技对企业绿色转型具有显著的促进作用；而在国有企业组别中，金融科技对企业绿色转型的影响并不足够突出。本文认为原因有如下两点：第一，在经济规模和盈利状况相对不足的情况下，非国有企业为了生存发展，迫切希望打破限制其发展的劣势，绿色转型的能动性更强；第二，由于信贷歧视、信息不对称等原因，非国有企业难以跨过传统金融服务体系的门槛，在金融市场中面临严重的融资约束困境，因此金融科技为其绿色转型带来资金边际效益的空间相对较大。相较之下，国有企业为了维持国民经济的稳定，企业发展战略可能相对保守，更加偏向风险低回报稳定的项目，缺乏创新转型精神。进一步来看，出于政策偏好、特殊背景与历史地位等原因，国有企业作为国家长期重点扶持的对象，在融资渠道上具备优势，研发资金链较为充足，因此金融科技为这类企业带来的边际改善并不明显。基于此，在“国有企业—非国有企业”的产权属性差异下，金融科技对企业绿色转型的影响产生了显著的非对称效果。

3.3.3 污染属性差异

实证结果显示（图 4），无论是重污染企业抑或是非重污染企业，金融科技对这类企业的绿色转型均具有正向显著的促进作用，但具体来看，在重污染企业组别中，金融科技指标回归系数的分位点及置信区间都显著高于非重污染企业组别（二者回归系数的置信区间有上下之分且不存在交集）。本文认为，从外部环境来看，政府为实现“双碳”目标，通过加大重污染企业的经营成本，来抑制其低技术、高耗能、重污染的行为，进而加快企业绿色低碳技术变革，引领企业向绿色环保方向发展，这使得绿色转型成为重污染企业发展的应有之义；顺延上述逻辑，重污染企业为了自身的可持续发展，在考虑到绿色低碳是新时代背景下企业高质量发展的底色和社会环境保护的本色，必定有强烈的意愿推动其产品结构调整转型，提高企业绿色低碳运营能力，此时金融科技的发展为重污染企业带来的改善，将充分利用并专注于绿色转型的实践活动中。反观非重污染企业，这类企业的污染程度较低，对于国家环保政策的反应相对不敏感，可推行的绿色转型空间十分有限。因此，即使金融科技支持下保障了企业的资金充足和技术基础，这类企业也往往不会过多关注绿色转型。由此可以发现，在“重污染企业—非重污染企业”的污染属性差异下，金融科技对企业绿色转型的影响产生了显著的非对称效果。

4 金融科技对企业绿色转型的影响机制识别

本部分依循前述理论分析逻辑，从“财务改善机制”“风险平滑机制”“绿色创新激励机制”三个维度进行机制识别检验。详细的回归结果参见表 5至表 7。

4.1 财务改善机制

在财务状况机制变量选取上，本文采用融资约束（SA）与融资成本（FR）作为机制分析变量。具体来看，融资约束参照SA指数来度量 ^[25]，融资成本则以净财务费用与总负债之比作为代理变量进行测度 ^[26]。

表 5的实证检验结果显示，无论是在以融资约束抑或是融资成本为机制变量的检验中，金融科技变量的回归系数均为负值，说明金融科技能够实现缓解融资约束和降低融资成本的双重拟合。本文认为，金融科技能够对海量数据进行抓取、处理、解析，通过披露高质量的信息来解决企业内部、内外信息不对称问题，使得企业的信用、风险评估及经营情况更加透明化，从而迅速将社会中愿意提供资金的投资者与寻求资金的企业直接相互匹配，帮助企业获得更多信贷支持缓解融资约束。同时，金融机构对企业授信所需的风险溢价也会下降，因此融资成本也会显著降低。进一步地，财务稳定是企业得以可持续经营乃至高质量发展的关键，当企业财务状况有明显改善后，其能够有相对充足的资金注入到创新转型升级等方面上，为企业绿色转型活动提供重要的财务保障。

4.2 风险平滑机制

在风险平滑机制的变量选取上，本文选取主动性风险承担（Risktaking）和企业内部财务风险（FCN）作为机制分析变量，本文采用股票日收益年度波动率的方式来刻度企业对风险的主动承担意愿 ^[27]；企业财务风险则基于企业年报文本中披露的财务风险数量作为衡量。

表 6的实证检验结果显示，金融科技发展能够有效帮助企业提升主动性风险承担水平，并能显著降低企业面临的财务风险。本文认为，金融科技能够凭借自身前沿的数字化技术提升企业对信息的处理能力，帮助企业更好地识别和预判各类市场变化和风险可能，从而提升了企业在面对风险时的主观能动性，并能够帮助企业规避各类可能的风险。更重要的是，金融科技能够向企业直接输送更丰富的金融资源，从而为企业抵御风险提供了保障。进一步来看，企业对风险的主动承担意愿增强与自身风险降低的双重拟合，使其能够在实践中更加积极主动采用绿色技术、革新绿色制度，从而更好赋能自身绿色转型程度的加深。

4.3 绿色创新激励机制

在创新活力机制变量选取上，本文选取企业环保支出（ENVE）和绿色专利产出（LnGpati）作为机制分析变量。具体来看，本文选取企业环保支出占比主营业务收入的强度作为代理变量，并采用企业的绿色专利申请数（对数值）来刻度企业绿色创新产出状况水平。

表 7的实证结果显示，金融科技能够从“投入—产出”角度全面地激发企业的创新活力，不仅能够有效提升环保支出强度，还能够显著促进绿色发明专利产出。本文认为，金融科技能够改善拓宽融资渠道，提供多元化融资选择，为环保支出提供外生力，解决因外部融资不足挤占内部资源调整空间的问题，从而优化资源配置，减轻企业资产配置的资金负担。在有充裕资金供给的情景下，企业的创新意愿得到明显提升，将在绿色技术创新领域投入更多资源和注意力，由此推动既有设施设备绿色升级改造，增加绿色发明专利产出，走绿色转型高质量发展之路，为自身的发展形成核心竞争优势。不难发现，金融科技通过强化环保支出和创造绿色产出来激活企业创新，为企业的绿色转型发展提供良好的研发基础和坚实的绿色技术条件支撑。

5 进一步研究：金融科技地区溢出效应对企业绿色转型的影响

随着区块链、大数据、云计算、人工智能等前沿技术的不断探索与应用，金融科技正在持续地颠覆和重塑传统金融业态，其中一个突出的表现是，金融科技的服务正在逐步突破传统金融面临的地理因素桎梏。考虑到金融科技在服务实体经济高质量发展的同时也很可能存在空间溢出特征，为此，本文在已有研究的基础上，以空间外溢为视角进一步探究金融科技的溢出效应对企业绿色转型的影响，以期为相关部门优化金融科技提供参考和企业践行绿色转型提供新的经验证据。在金融科技指标溢出水平的刻度上，本文以地区板块（东中西部）为标的，计算特定地区板块下某省份除了自身之外其他地区金融科技发展的值（Fintech_Peer），将其作为特定省份周边地区金融科技发展水平的代理变量。特别需要说明的是，本地区企业的生产决策等一系列活动会受到“本地—外地”金融科技的共同影响。有鉴于此，需要在溢出影响的检验范式中考虑本地金融科技的影响，在此基础上判别外地区金融科技的影响（及其可持续性）才具有更为突出典型的现实意义。

表 8的实证结果发现，金融科技的溢出变量对企业绿色转型的回归系数为0.267且通过了1% 的统计显著性检验。这表明，金融科技地域间的发展具有显著的空间关联性和溢出带动效应，其他地区金融科技水平提高，能够促进所在地区的企业绿色转型。因此，外地的金融科技发展对本地区企业绿色转型的辐射效应不容忽视。从金融溢出效应来看，金融科技拓展融资渠道，充分调动金融服务，有效推动地域间的要素自由流动、资源有效融合、信息高度协同，增强区域间的经济联动性和整体性，以保障企业财务的稳定，进而有利于帮助企业更好地生产绿色产品和进行绿色转型升级；从技术溢出效应来看，金融科技能够打破时空限制，提高知识的流动、传播的范围及效率，实现区域间企业的交流共享，为金融科技服务企业金融需求打开了更大的空间，从而为绿色转型提供多元化、可叠加（本省份与其他地区）的金融驱动力。

将本地区金融科技发展纳入回归分析中发现，“本地—外地”金融科技指标的回归系数均为正值且呈现出高度显著状态。结果表明，不同区域之间的金融科技不存在相互抵触的拮抗效果，相反，二者能够产生协同的正向合力，共同推动本辖区企业的绿色转型发展。进一步研究发现，这种相互协同叠加的合力效果会随着时间变化而产生不同，具体来看，随着外地区金融科技溢出指标的时间口径延长，其对企业绿色转型的促进作用呈现一定衰减特征（无论是在显著性上抑或是系数值上均是如此），但依旧具有统计意义上的正向驱动力。本文认为，在当前的发展阶段中，通过“外地—本地”金融科技发展的合力来共同推动企业绿色转型有着较为突出的现实意义，但考虑到外地金融科技对于本地企业的支撑和赋能力量终究是有限的，因此首先应当大力推动本地区金融科技质效水平提升，在此基础上借助外地金融科技的“活水”来共同赋能企业绿色转型，是新时代新阶段下以金融新业态赋能企业转型发展的必由之路。

6 研究结论和政策建议

金融科技作为新时代新阶段下金融赋能实体经济的重要动能，对于中国企业的转型与高质量发展而言具有重要作用。本文基于2011—2021年沪深A股上市公司数据，采用文本大数据的方式创新性地识别出企业的绿色转型强度，探讨“金融科技—企业绿色转型”的异质性特征、机制路径和溢出效应。最终得出以下结论：

第一，从总体上来看，金融科技能显著地促进企业绿色转型，这一结论通过了多重稳健性检验；第二，从异质性分析结果来看，金融科技对不同属性企业的绿色转型存在非对称效果，其中对高科技企业、非国有企业和重污染企业的激励作用较强，但对非高科技企业、国有企业和非重污企业的激励作用较弱；第三，从机制路径来看，金融科技能通过财务改善机制（缓解融资约束、降低融资成本）、风险平滑机制（提升风险主动承担意愿、降低财务风险数量）和绿色创新激励机制（增加环保支出强度、提升绿色创新产出）来赋能企业绿色转型；第四，从溢出效应研究来看，金融科技具有显著的空间外溢效性，外地区的金融科技发展能够有效促进本地区企业绿色转型进程加快，该结论在考虑了本地金融科技叠加影响的情形时亦是如此。

本文具有以下启示：对企业而言，首先，要重视外部环境变化及其演变趋势，提高绿色低碳及环境保护意识，加大绿色创新投入，加快落后低效项目淘汰，以绿色管理为保障，促进企业实现由“被动减排”向“主动治污”的转变；其次，借助金融科技主动提高信息透明度，加强企业与投资者之间的良性互动，从而提高投资者对企业的深入认识和充分了解，为企业创新转型吸引更多外部资源；再者，开展与不同区域间的金融科技企业交流合作，优化整合利用各种优势资源，为企业绿色转型提供技术、财务与人力支持；最后，及时抓住机遇，尽早推动企业绿色转型，生产绿色环保产品，占领市场先机，获得发展优势。对政府而言，一是加大相关政策对有意愿进行绿色转型的企业扶持力度，指导这类企业科学有效地进行转变发展，积极鼓励企业利用金融科技前沿技术打破传统粗放式生产模式的弊端，走上新型绿色化发展道路；二是完善对金融科技的政策支持，培养更多既掌握理论又擅长实践的高端人才，从而能够充分发挥金融科技赋能作用，更好为实体经济服务；三是强化不同区域间金融科技的监管联动，及时跟进金融风险的变化，防止金融风险“交叉感染”，维护社会的正常稳定。