银行数字化转型驱动企业出口价值攀升的理论逻辑与经验证据

doi:10.16382/j.cnki.1000-5579.2025.06.013

摘要/Abstract

摘要：

出口价值攀升是我国建设高水平开放型经济新体制、实现高质量发展的重要保障，金融供给侧视域下金融业数字化转型成为支持中国企业出口价值增值的新动力。本文通过引入带有数字化转型的银行部门，构建理论模型，推导分析银行数字化转型驱动企业出口价值攀升的作用机理，并运用中国工业企业和海关贸易匹配数据进行实证检验，结果发现，银行数字化转型能有效驱动企业出口价值攀升，底层技术类银行数字化转型的驱动作用更强；机制检验表明，银行数字化转型通过降低信贷成本和激励技术进步有效促进企业出口价值持续攀升；异质性分析表明，银行数字化转型对数智化水平高、一般贸易、技术密集型企业以及处于市场分割程度高地区企业出口价值攀升的驱动效应更强。本文进一步分析还发现，银行数字化转型通过驱动企业出口价值提升，进而推动企业全球价值链分工地位优化升级。上述结论为推动银行数字化转型、促进优质金融服务出口价值高端跃升和高水平对外开放提供了现实依据和政策启示。

关键词: 银行数字化转型, 出口价值, 技术进步, 信贷成本, 全球价值链

Abstract:

The escalation of export values is a crucial guarantee for China in building a new system of high-level open economy and achieving high-quality development. The digital transformation of the financial sector has emerged as a new driving force for value addition in Chinese enterprises’ exports. By constructing a theoretical model incorporating digitally transformed banking sectors, this study deduces and analyzes the mechanism through which bank digitalization drives the growth of corporate export value, employing matched data from Chinese industrial enterprises and customs trade statistics for empirical testing. The research findings reveal that bank digital transformation effectively stimulates the growth in corporate export values, with underlying technology-driven aspects of digital transformation exhibiting an even stronger propelling effect. Mechanism tests uncover that bank digital transformation fosters a sustained rise in corporate export values by reducing firms’ credit costs and incentivizing technological advancements. Heterogeneity analysis uncovers that the driving effect of bank digital transformation on export values is more pronounced for firms with higher levels of digitalization and intelligence integration, those engaging in general trade, technology-intensive enterprises, and businesses located in regions with higher degrees of market segmentation. Further analysis reveals that bank digital transformation, by boosting export values, facilitates the optimization and upgrading of firms’ positions within the global value chain division of labor. The research findings provide a practical basis and policy implications for promoting the digital transformation of banks, facilitating the high-end upgrading of the export value of high-quality financial services, and achieving high-level opening-up.

Key words: bank digital transformation, export value, technological advancement, credit cost, global value chain

张云, 方霞, 杨振宇. 银行数字化转型驱动企业出口价值攀升的理论逻辑与经验证据[J]. 华东师范大学学报(哲学社会科学版), 2025, 57(6): 145-161.

Yun Zhang, Xia Fang, Zhenyu Yang. The Theoretical Logic and Empirical Evidence of Bank Digital Transformation Fueling the Ascend of Export Values[J]. J. East China Norm. Univ. Philos. Soc. Sci, 2025, 57(6): 145-161.

图/表 10

表 1

表 2

表 3

表 4

表 5

表 6

表 7

表 8

表 9

表 10

参考文献

	陈创练、王舒丹、王浩楠、姜富伟, 2025, 《智能制造应用与出口企业加成定价》 , 《经济研究》第4期, 第104—121页.
	陈诗一、张建鹏、刘朝良, 2021, 《环境规制、融资约束与企业污染减排——来自排污费标准调整的证据》 , 《金融研究》第9期, 第51—71页.
	方霞、李秀珍、胡锦辉、唐海燕, 2023, 《中国数字金融发展与企业出口技术水平提升: 基于出口技术复杂度的研究》 , 《国际贸易问题》第10期, 第109—125页.
	方霞、杨振宇、周龙平、赵平, 2024, 《人民币区域货币锚与“一带一路”沿线国家福利效应研究》 , 《国际贸易问题》第7期, 第123—139页.
	侯俊军、王胤丹、王振国, 2023, 《数字贸易规则与中国企业全球价值链位置》 , 《中国工业经济》第4期, 第60—78页.
	黄亮雄、林子月、王贤彬, 2023, 《工业机器人应用与全球价值链重构——基于出口产品议价能力的视角》 , 《中国工业经济》第2期, 第74—92页.
	贾盾、韩昊哲, 2023, 《金融科技与商业银行竞争性负债》 , 《世界经济》第2期, 第183—208页.
	金祥义、张文菲, 2022, 《数字金融发展能够促进企业出口国内附加值提升吗》 , 《国际贸易问题》第3期, 第16—34页.
	李建军、姜世超, 2021, 《银行金融科技与普惠金融的商业可持续性——财务增进效应的微观证据》 , 《经济学(季刊)》第3期, 第889—908页.
	李茂林、王子路、何光辉、王宇琨, 2024, 《银行业金融科技创新、结构性普惠效应与创业活力》 , 《管理世界》第6期, 第195—224页.
	李真、李茂林、朱林染, 2023, 《银行金融科技与企业金融化: 基于避险与逐利动机》 , 《世界经济》第4期, 第140—169页.
	鲁晓东、连玉君, 2012, 《中国工业企业全要素生产率估计: 1999—2007》 , 《经济学(季刊)》第2期, 第541—558页.
	吕越、盛斌、吕云龙, 2018, 《中国的市场分割会导致企业出口国内附加值率下降吗》 , 《中国工业经济》第5期, 第5—23页.
	吕越、尉亚宁, 2020, 《全球价值链下的企业贸易网络和出口国内附加值》 , 《世界经济》第12期, 第50—75页.
	倪红福、王海成, 2022, 《企业在全球价值链中的位置及其结构变化》 , 《经济研究》第2期, 第107—124页.
	邵宇佳、王光、卫平东, 2022, 《金融发展降低了国内市场分割程度吗——来自中国省际层面的经验证据》 , 《经济学家》第10期, 第33—43页.
	盛斌、王浩, 2022, 《银行分支机构扩张与企业出口国内附加值率——基于金融供给地理结构的视角》 , 《中国工业经济》第2期, 第99—117页.
	盛丹、卜文超, 2022, 《机器人使用与中国企业的污染排放》 , 《数量经济技术经济研究》第9期, 第157—176页.
	宋科、郭一鸣、徐蕾, 2024, 《银行数字化转型存在“马太效应”吗——基于银行功能的经验阐释》 , 《中国工业经济》第12期, 第62—79页.
	唐松、伍旭川、祝佳, 2020, 《数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异》 , 《管理世界》第5期, 第52—66+9页.
	田秀娟、李睿, 2022, 《数字技术赋能实体经济转型发展——基于熊彼特内生增长理论的分析框架》 , 《管理世界》第5期, 第56—74页.
	吴非、胡慧芷、林慧妍、任晓怡, 2021, 《企业数字化转型与资本市场表现——来自股票流动性的经验证据》 , 《管理世界》第7期, 第130—144+10页.
	易信、刘凤良, 2015, 《金融发展、技术创新与产业结构转型——多部门内生增长理论分析框架》 , 《管理世界》第10期, 第24—39+90页.
	余典范、张宇、宋晴, 2025, 《数字人力投入与企业价格加成——来自招聘大数据的证据》 , 《中国工业经济》第7期, 第62—80页.
	余淼杰、崔晓敏, 2018, 《人民币汇率和加工出口的国内附加值: 理论及实证研究》 , 《经济学(季刊)》第3期, 第1 207—1 234页.
	余明桂、马林、王空, 2022, 《商业银行数字化转型与劳动力需求: 创造还是破坏?》 , 《管理世界》第10期, 第212—230页.
	袁瀚坤、岳明阳、韩民春, 2024, 《数字经济发展与出口企业加成率——兼论对资源配置效率的影响》, 《上海对外经贸大学学报》第5期, 第5—21页.
	袁柳、廖夏、林波, 2023, 《数字产品进口影响企业成本加成率: 事实与机制》, 《国际商务研究》第4期, 第98—110页.
	张方、国文婷、张云, 2024, 《经济政策不确定性对企业并购行为的影响研究——基于宏观政策“逆周期”调节精准性的视角》 , 《金融经济学研究》第2期, 第3—26页.
	张杰、陈志远、刘元春, 2013, 《中国出口国内附加值的测算与变化机制》 , 《经济研究》第10期, 第124—137页.
	张云、方霞、杨振宇, 2023, 《数字金融、企业风险承担与技术创新》 , 《系统工程理论与实践》第8期, 第2 284—2 303页.
	张云、吕纤、韩云, 2024, 《机构投资者驱动企业绿色治理: 监督效应与内在机理》 , 《管理世界》第4期, 第197—221页.
	赵宸宇、王文春、李雪松, 2021, 《数字化转型如何影响企业全要素生产率》 , 《财贸经济》第7期, 第114—129页.
	Cheng, M. and Qu, Y. , 2020, “Does Bank FinTech Reduce Credit Risk? Evidence from China”, Pacific-Basin Finance Journal, Vol. 63: 101 398.
	De Loecker, J. , Goldberg, P. K. , Khandelwal, A. K. and Pavcnik, N. , 2016, “Prices, Markups, and Trade Reform”, Econometrica, Vol. 84, No. 2: 445-510.
	Fang, Y. , Wang, Q. , Wang, F. and Zhao, Y. , 2023, “Bank Fintech, Liquidity Creation, and Risk-Taking: Evidence from China”, Economic Modelling, Vol. 127: 106 445.
	Jin, Y. , Gao, X. and Wang, M. , 2021, “The Financing Efficiency of Listed Energy Conservation and Environmental Protection Firms: Evidence and Implications for Green Finance in China”, Energy Policy, Vol. 153: 112 254.
	Jones, C. I. , 1995, “R&D-Based Models of Economic Growth”, Journal of Political Economy, Vol. 103, No. 4: 759-784.
	Kee, H. L. and Tang, H. , 2016, “Domestic Value Added in Exports: Theory and Firm Evidence from China”, American Economic Review, Vol. 106, No. 6: 1 402-1 436.
	Li, C. , He, S. , Tian, Y. and Ning, L. , 2022, “Does the Bank’s Fintech Innovation Reduce Its Risk-Taking? Evidence from China’s Banking Industry”, Journal of Innovation & Knowledge, Vol. 7, No. 3: 100 219.
	Rodriguez-Lopez, J. A. , 2011, “Prices and Exchange Rates: A Theory of Disconnect”, Review of Economic Studies, Vol. 78, No. 3: 1 135-1 177.
	Tan, Z. , Wang, H. and Hong, Y. , 2023, “Does Bank FinTech Improve Corporate Innovation?” Finance Research Letters, Vol. 55: 103 830.
	Upward, R. , Wang, Z. and Zheng, J. , 2013, “Weighing China’s Export Basket: The Domestic Content and Technology Intensity of Chinese Exports”, Journal of Comparative Economics, Vol. 41, No. 2: 527-543.
	Wang, Z. , Wei, S. J. , Yu, X. and Zhu, K. , 2017, “Characterizing Global Value Chains: Production Length and Upstreamness”, National Bureau of Economic Research, No. 23 261.
	Wu, X. , Jin, T. , Yang, K. and Qi, H. , 2023, “The Impact of Bank Fintech on Commercial Banks' Risk-Taking in China”, International Review of Financial Analysis, Vol. 90: 102 944.

变量名	样本量	平均值	标准差	最小值	最大值
DVAR	148 884	0.899 6	0.197 6	0.098 4	1.000 0
DIBank	148 884	1.836 8	1.002 6	-0.211 3	3.496 5
TFP	148 884	11.705 6	0.861 9	9.869 3	14.479 2
IE	136 299	9.021 4	6.707 1	0.000 0	17.804 9
Asset	148 884	11.281 8	1.437 4	8.260 0	15.314 5
Lev	148 884	10.425 3	1.635 6	6.322 6	14.747 2
Equ	148 884	10.378 1	1.623 5	6.356 1	14.550 8
Sale	148 884	18.439 8	1.317 1	15.688 9	22.228 7
Age	148 884	2.315 9	0.562 6	0.693 1	3.737 7
Lp	148 884	4.005 3	1.386 2	0.580 6	7.774 0

变量	(1)	(2)	(3)	(4)
变量	DVAR	DVAR	DVAR	DVAR
DIBank	0.006 0^***(0.001 9)	0.006 0^***(0.001 9)
DIBank_Base			0.009 2^***(0.002 5)
DIBank_Apply				0.001 3(0.002 5)
Asset		−0.010 4^***(0.002 8)	−0.010 5^***(0.002 8)	−0.010 4^***(0.002 8)
Lev		−0.006 0^***(0.001 4)	−0.006 0^***(0.001 4)	−0.006 0^***(0.001 4)
Equ		0.000 1(0.001 3)	0.000 1(0.001 3)	0.000 0(0.001 3)
Sale		0.002 4^*(0.001 5)	0.002 4^*(0.001 5)	0.002 4^*(0.001 5)
Age		−0.005 4(0.003 5)	−0.005 4(0.003 5)	−0.005 3(0.003 5)
Lp		0.000 5(0.000 7)	0.000 5(0.000 7)	0.000 6(0.000 7)
Cons	0.867 7^***(0.002 4)	1.006 9^***(0.025 1)	1.001 3^***(0.025 2)	1.013 0^***(0.025 1)
R²	0.022 0	0.024 8	0.024 9	0.024 7
N	148 884	148 884	148 884	148 884

变量	(1)	(2)	(3)	(4)
变量	DVAR	DVAR	DVAR	DVAR
DIBank1	0.013 2^***(0.003 6)
DIBank2		0.047 7^***(0.008 0)
DIBank2_Base			0.040 4^***(0.006 9)
DIBank2_Apply				−0.001 8(0.005 9)
Cons	0.970 6^***(0.027 5)	0.948 2^***(0.027 6)	0.964 9^***(0.026 6)	1.012 2^***(0.025 4)
R²	0.024 8	0.025 2	0.025 2	0.024 7
N	148 884	148 884	148 884	148 884

变量	(1)	(2)	(3)	(4)
变量	考虑滞后期	考虑金融危机	考虑极端值	增加固定效应
DIBank	0.010 7^***(0.002 8)	0.007 5^***(0.002 3)	0.010 0^***(0.002 4)	0.006 3^***(0.001 9)
Cons	0.979 6^***(0.034 7)	1.040 4^***(0.028 7)	1.002 9^***(0.025 1)	0.970 6^***(0.056 9)
行业固定	否	否	否	是
城市固定	否	否	否	是
R²	0.022 4	0.025 7	0.024 9	0.027 2
N	62 347	125 491	148 884	148 884

变量	(1)	(2)	(3)	(4)	(5)	(6)
变量	DIBank	DVAR	DIBank1	DVAR	DIBank2	DVAR
Intenet	0.081 6^***(0.001 5)		0.016 4^***(0.000 8)		0.009 1^***(0.000 4)
DIBank		0.027 0^***(0.009 8)
DIBank1				0.134 6^***(0.049 0)
DIBank2						0.242 3^***(0.087 9)
Cons	0.715 9^***(0.034 9)	0.991 7^***(0.020 8)	3.174 1^***(0.018 1)	0.583 8^***(0.159 9)	1.333 7^***(0.008 4)	0.687 8^***(0.122 0)
R²	0.937 7	0.023 4	0.862 2	0.010 9	0.994 0	0.017 6
N	146 452	146 452	146 452	146 452	146 452	146 452