本文是一篇职称论文，本文以投融资期限结构错配为主体的企业短债长用行为，加剧了企业杠杆风险并可能形成系统性金融风险，而银行金融科技对传统金融体系信贷资源配置模式的突破，对于防范和抑制企业短债长用具有重要的实践价值。
一、引言
近年来，实体经济“脱实向虚”趋势显著（张成思和刘贯春，2018），囿于金融管制加之风险考虑，银行控制企业违约风险时往往采取短期信贷策略，使得“短债长用”成为企业融资结构常态，其核心在于融资能力与盈利能力，以一组短债构建一个长期借款组合，从而支持长期投资（钟凯等，2016；刘晓光和刘元春，2019）。短债长用现象本质上是企业投融资期限结构错配，虽然这在一定程度上满足了企业的短期流动性需求，但一旦企业资金链断裂，由违约风险引发的各类风险会蔓延至整个金融系统（白云霞等，2016）。长期看，这不仅在微观层面抬高企业偿债压力加剧其经营风险（刘贯春和叶永卫，2022），还在宏观层面增加审慎成本危害经济增长（Farhi et al.，2012），最终可能形成系统性金融风险（Acharya et al.，2011；刘晓光和刘元春，2019）。
短债长用作为企业面临外部融资约束时所采取的替代策略，反映了中国传统金融体系对实体经济服务能力不足的问题，实体企业迫切需要新的金融服务模式（钟宁桦等，2016；吴非等，2020；唐松等，2022）。随着人工智能、区块链、大数据、量子计算等新一代数字技术变革的持续推进，金融科技推动金融资源配置朝着网络化共享、集约化整合、精准化匹配的方向转变，2019年中国金融机构科技投入为362.7亿元，其中银行占比高达68.6%，以金融科技为核心的数字金融服务正在重塑中国银行业传统的金融服务模式。在此背景下，本文研究银行业金融科技对实体部门投融资期限错配的影响，对于理解金融科技在当前阶段各类金融风险治理中如何发挥作用具有重要意义。
中国上市公司存在较为普遍的“短期债务占比高、长期债务占比低”短债长用现象（肖作平和廖理，2008；胡援成和刘明艳，2011）。针对企业短债长用的成因及影响因素，已有研究主要聚焦于宏观金融体系与微观企业融资动机两方面。宏观金融体系视角主要从外部环境解释企业短债长用的成因，发现货币政策不稳定性、金融市场结构不完善和经济政策不确定性是影响短债长用的重要因素（钟凯等，2016；白云霞等，2016；李增福等，2022）。微观视角大多集中于企业财务及治理特征的影响，钟宁桦等（2016）发现国有企业和非国有企业的杠杆率在时间维度上形成背离性趋势，揭示出金融机构对国有产权偏好的融资歧视是形成非国有企业短债长用的重要原因。企业财务方面负债权益比率和自由现金流的提升，均会加剧短债长用，但流动资产提升会抑制短债长用水平（胡援成和刘明艳，2011）。此外，在公司治理方面，管理层过度自信、内控质量和高管责任保险等均对短债长用产生重要影响（赖黎等，2019）。
本文的边际贡献主要体现在以下三个方面：①以企业投融资期限错配为切入点，将数字金融的研究对象拓展至银行体系，丰富了关于数字金融主体的研究。基于金融科技视角，关于企业投融资期限结构错配的既有研究聚焦于外部金融科技，即银行体系外互联网金融科技发展水平的影响，而针对银行自身金融科技发展的影响研究鲜有涉及。脱离银行体系研究中国企业的投融资期限问题，既使得关于企业短债长用影响因素的研究存在极大局限，同时也难以厘清以金融科技发展为代表的银行主体科技创新对传统金融服务不足的突破作用。而本文基于银行金融科技视角研究表明，银行金融科技能够显著提高银行与企业（简称银企）信息对称与信贷配置能力。②利用中国商业银行金融科技专利数据识别银行金融科技水平比现有研究更为准确。在少有的关于银行金融科技的研究中，一些研究使用文本分析法或百度新闻识别等构建银行金融科技变量（Cheng and Qu，2020），这可能存在一定的测量误差偏误。而本文使用银行层面的金融科技专利衡量银行金融科技水平，相较于既有研究是一次有益的尝试。③结合金融科技发展的市场环境，进一步拓展分析银行金融科技影响的内外部环境差异及潜在的经济后果，丰富了银企信息不对称下企业信贷配置能力的相关证据。
............................
二、理论分析与研究假说提出
在以银行为主导的金融体系中，银行信贷是实体企业获取外源融资的主要来源（Allen et al.，2005）。由于传统金融体系中银企信息不对称普遍存在，银行与企业之间的信贷供需无法通过利率机制达到平衡。在银行信息甄别能力有限的情况下，企业短债长用问题的产生既来源于融资供给端银行的信贷配置策略扭曲，又与融资需求侧本身即企业在金融服务不足约束下的替代性投融资行为相关。在融资供给端，由于企业长期投资项目风险较高，银行贷款的安全性和盈利性要求使银行尽量避免为企业进行违约概率较高的长期融资，导致银行倾向于选择以短期贷款为主的资产结构。在融资需求端，长期投资的高风险溢价抬高了企业的长期融资成本，进一步压缩企业长期投资的利润空间，企业倾向于选择成本较低的短期融资支撑长期投资。因此，对于金融科技如何提高银行信息甄别能力改变信贷配置需要从银行供给侧和企业需求侧两方面切入。
1.供给端：金融科技、银行信息甄别能力与长期融资供给
银行金融科技能够通过数字技术的应用，有效提升银行的信息甄别能力，促进银行提高长期贷款的资产占比。银行倾向于选择以短期贷款为主的资产结构，主要与银企信息不对称的制约下银行无法对企业信用质量进行精准评估相关，该策略有利于银行规避长期贷款带来的潜在风险。而银行金融科技能有效提升银行信息甄别能力，这主要来源于金融科技底层技术和实践应用对银行运营过程的重塑。其中，以人工智能、区块链、云计算和大数据为代表的底层技术架构通过改变传统银行内部经营模式、管理模式和生产模式，能够有效支撑银行数字化转型，在关键技术上助力银行信息甄别能力提升（戚聿东和肖旭，2020）。而以移动支付、数字营销和智能投顾等为代表的金融科技应用则触及企业核心市场业务，贯通银企信息链条，真正实现银企信息共享，这在应用层面上使银行能够与企业复杂的业务场景相联系，增强银行的信息甄别能力。
金融科技对银行信息甄别能力的提升主要表现在银行收集和处理数据能力的进步上：一方面，在数据收集方面，传统银行对企业数据的采集以人工调查为主，这不仅具有一定的主观性，而且信息往往滞后不具有时效性，银行难以对企业形成准确全面认知，银行金融科技则利用区块链和云计算等网络技术对企业信息进行采集，既能够通过自动化技术持续监控提高银行获取信息的频率以保证时效性，还可以通过物联网和数据挖掘获取多维信息保证数据的多样性。另一方面，在数据处理方面，传统银行主要通过人工分析和简单打分模型对客户进行评级，银行金融科技则利用人工智能和大数据等分析方法挖掘数据中的非线性关系（Fuster et al.，2019），进而形成对融资需求端企业客户的全方位的评级，数据收集和处理能力的质变能够显著提升银行信息甄别能力，准确把握企业基本面信息并精准描摹用户画像（Goldstein et al.，2019）。
.............................
2.需求端：银行金融科技与企业信贷配置
在融资需求端，企业短债长用的主要成因在于传统金融体系对企业融资规模和结构的扭曲。银企信息不对称下企业获取信贷资源有限，因此，融资的机会成本抬升迫使企业尽量避免将资金投入到风险较高的长期项目。银行金融科技通过提升长期贷款收益，激励银行对企业加大信贷配置规模从而缓解融资约束。传统银行贷款大多采取抵押物形式或担保形式，企业获取外源融资会受到其抵押物规模和公司关系网络的限制，企业的真实融资需求往往无法得到满足。而银行金融科技则主要通过大数据分析评估企业的偿债能力和违约风险，相比传统金融，在同等抵押物规模的情况下，企业能够获取更多的银行借款。因此，银行金融科技对于企业融资配置结构的短债长用现象缓解效应，主要体现在短期贷款为主的期限结构、抵押贷款为主的信贷结构、对特定企业授信偏好的企业结构等微观企业融资结构方面。
（1）企业信贷期限结构的优化。在信贷期限结构方面，企业面临的长期融资成本高、银行监督成本高等因素，导致企业长期融资占比较低的结构性问题。一方面，银企信息不对称程度较高时，长期投资的不确定性加剧，促使银行要求更高的长期贷款利率，加大了企业长期融资成本。另一方面，长期贷款期限长风险高，对外部履约机制的依赖较大，增加了银行的监督成本，而短期贷款的灵活性更强，银行倾向于让企业利用短期贷款支持长期项目以降低自身的监督成本。因此，在长期贷款利率方面，银行金融科技对于信息不对称的缓解有利于银行降低贷款的期限溢价，降低企业面临信息不对称造成的长期贷款高溢价。在监督成本方面，银行金融科技通过将大数据和人工智能等技术运用于监管环节，大大降低了银行的长期监督成本。因此，银行金融科技有利于企业获取更多长期融资，促进其融资结构和投资结构适配，优化企业的信贷期限结构。
（2）企业“抵押—信用”贷款结构的优化。在贷款结构方面，在银企信息不对称下抵押品的存在能够降低银行沉没成本，导致企业融资面临以抵押贷款为主的信贷结构。抵押贷款虽然有利于降低银行风险，企业抵押品规模尤其是许多轻资产行业的企业本身缺乏固定资产，进一步限制了企业长期贷款规模，导致企业对长期贷款的需求转移到短期贷款上，加剧了企业短债长用现象。与抵押贷款不同，信用贷款不需要抵押品但对企业的信用水平评估有较高要求，这需要银行具有较强的信息甄别能力。由此，银行金融科技通过数字技术帮助银行建立大数据信贷和数字供应链金融，这两种模式建立在大数据、人工智能、物联网和区块链等技术上并对企业信用进行精准评估，能够最大化满足企业的信贷需求（黄益平和邱晗，2021）。银行金融科技通过提升数据收集和处理能力，推动银行在不缩减长期借款条件下发放更多信用贷款，促进企业长期融资由抵押贷款向信用贷款转型，有力地缓解了企业短债长用现象。
三、研究设计
1.数据来源与处理
本文研究数据来自企业、银行以及银企联系三方面。企业层面的财务和治理特征等数据来源为国泰安上市公司数据库，本文作如下处理：①剔除ST、ST*和PT企业；②剔除金融、银行和保险类企业；③剔除总资产为负或资产负债率大于1的异常企业；④为了避免连续性变量极端值的影响，对企业层面的连续性变量进行1%的双侧缩尾处理。
银行金融科技水平主要采用银行金融科技专利数据衡量，具体处理如下：①从国家知识产权局专利检索数据库收集2010—2020年以银行作为申请人的专利申请信息，共计15458项。每项专利申请记录包括专利申请人、专利申请时间和专利摘要等信息，其中专利申请摘要披露了专利的主要用途和技术。②利用自建金融科技词典对每条专利申请摘要进行检索，如果摘要中包含金融科技相关关键词，则判别该专利为金融科技专利。金融科技词典依照吴非等（2021），中关村互联网金融研究院发布的《中国金融科技和数字普惠金融发展报告（2020）》和中国人民银行发布的《金融科技（FinTech）发展规划（2019－2021）》等建立，主要包括金融科技“ABCD+”底层技术和金融科技应用两个方面的关键词（见表1）。③经过对所有专利识别后，最终得到2010—2020年共计2624条银行金融科技专利申请信息，将同一银行在同年份的金融科技专利加总后，整理得到2010—2020年“银行—年份—金融科技专利申请量”的面板数据集。银行层面财务数据来自国泰安银行研究数据库。
职称论文参考
此外，为了建立银行和企业之间的对应关系，本文使用银行对上市公司的贷款数据。该数据来源于国泰安上市公司贷款数据库，本文从中整理得到A股上市公司在2010—2020年间向各银行的贷款信息，总计127254条记录。本文首先将贷款记录统一整理为“企业—年份—银行名称”的数据集，然后将该数据与各银行在历年的金融科技专利申请量相匹配，得到“企业—年份—贷款银行—金融科技专利申请信息”的数据。
.........................
2.模型与变量设定
控制变量方面，Control为模型的控制变量向量，分别表示企业层面和银行层面的控制变量，本文控制了滞后1期短债长用变量以排除企业财务决策的连续性和累积性特征带来的干扰。ηi和λt分别控制企业层面不可观测的异质性和年份层面的冲击。εi，t为随机扰动项。模型中的变量具体定义如下：
（1）企业短债长用（LS）。借鉴刘晓光和刘元春（2019）的研究，本文利用企业短期负债占比（短期负债除以总负债）和短期资产占比（短期资产除以总资产）之差衡量企业短债长用水平，该变量取值越大，表明企业短债长用现象越突出。短期负债包括短期借款、应付票据、应付账款、应付职工薪酬、应交税费、应付利息、应付股利、应付手续费及佣金、一年内到期的非流动负债，短期资产包括货币资金、短期投资净额、应收票据净额、应收账款净额、应收利息净额、应收股利净额、其他应收款净额、存货净额、一年内到期的非流动资产。
（2）银行金融科技（bankfin）。专利申请是银行金融科技创新的重要表现，借鉴Zhao et al.（2022）的思路，本文采用企业对应银行该年金融科技专利累计值在所有银行金融科技专利中的占比表示银行金融科技变量。
（3）控制变量。为了尽量避免估计过程中存在的遗漏变量问题，本文从这两方面选取控制变量：一方面，企业层面从财务特征和治理特征两方面进行控制，主要包括：企业规模（size），取值等于总资产的自然对数；现金流水平（cash），即经营性现金流与总资产之比；杠杆率（lev），即总负债除以总资产；固定资产比重（fix），固定资产净额/资产总值；净利润增长率（grow），等于本年净利润与上年净利润的比值。另一方面，在银行层面确定控制变量后先计算出各银行的相关指标，然后按贷款规模加权平均到企业层面（张金清等，2021），具体包括：银行资产负债率（b_dar），等于总负债与总资产之比；银行规模（b_size），即银行总资产的自然对数；银行盈利能力（b_roa），等于银行净利润除以总资产；银行资产质量（b_npl），用银行不良贷款率表示；银行成立时长（cyear_b），即银行存续时间的自然对数。
3.描述性统计
主要变量的描述性统计结果显示①，样本期间内企业短债长用（LS）均值为0.155，中位数为0.182，近80%的观测值大于0，这说明样本企业中短债长用现象较为普遍。银行金融科技变量（bankfin）均值为9.5%，中位数为7.4%，整体呈现出右偏分布。其余变量没有出现异常分布。
.............................
四、实证结果
1.银行金融科技对企业短债长用影响的基准估计
表2展示了银行金融科技对企业短债长用的回归结果，第（1）、（2）列依次控制企业个体效应和年份效应，本文发现bankfin的估计系数在5%水平上显著为负。第（3）、（4）列加入企业和银行层面控制变量后，bankfin的估计系数仍然显著为负，表明银行金融科技水平提高有利于抑制企业短债长用行为。同时，从估计系数的绝对值看，在控制企业和年份固定效应以后，不论继续控制企业层面控制变量还是银行层面控制变量，bankfin的估计系数绝对值不再发生大幅变化，这表明bankfin的构建相对于企业具备一定的外生特征。在经济效应方面，以第（4）列为例，企业对应银行金融科技水平每提高1个标准差，短债长用就降低2.68%（=-0.0330×0.126/0.155），这一效应与企业净利润增长（grow）对企业短债长用的缓解作用十分接近，grow每增加1个标准差，企业短债长用降低2.99%（=-0.0120×0.387/0.155），因此，经济效应方面银行金融科技对企业短债长用的缓解作用也非常显著。
职称论文怎么写
...........................
2.机制检验
（1）银行金融科技、信息甄别与银行长期融资供给能力。在信贷供给侧，银行金融科技抑制企业短债长用关键在于提升银行信息甄别能力，提高银行发放长期贷款的意愿与规模。银行金融科技能够提升银行自身风控和信息甄别能力，降低银企之间信息不对称水平，优化银行对企业的信贷策略，促进企业融资期限结构与投资结构的适配。
信息甄别能力提升在银行资产端表现为不良贷款率降低。不良贷款率作为衡量银行资产安全及信息甄别能力的重要指标，信息甄别能力较强的银行能够最大程度控制不良贷款率。在表3第（1）、（2）列的回归中，本文在银行层面检验金融科技专利对不良贷款率的影响。在第（1）列中，本文采用银行该年申请的金融科技专利累计值自然对数（lnpat）作为核心解释变量，将不良贷款率对其回归后发现lnpat的估计系数显著为负，即银行金融科技能够优化银行信用风险，降低不良贷款率。进一步地，银行金融科技专利可以细分为底层技术类和应用类：底层技术类专利以人工智能、区块链、云计算和大数据等新兴技术为核心，通常作为中后台力量支撑着银行整体能力的提升。在银行把控信息风险的过程中，底层技术对银行的影响最直接；应用类专利则触及具体的业务场景，推动传统金融服务模式的换代升级。基于此，仍然用专利累计数量的自然对数分别构建底层技术类银行金融科技变量（lnpat_tech）和应用类银行金融科技变量（lnpat_app）。
信息甄别能力提升还表现在银行能够选择潜力客户，提升长期贷款收益。银行贷款的盈利性要求驱使银行寻求具备未来增长机会的企业，虽然目前这类企业在短债长投约束下具备一定风险，但银行金融科技能够帮助银行识别出潜力企业并为其提供长期贷款，这是信息甄别能力提升的重要表现。本文根据企业在未来1期的资产回报率是否增加将样本划分为增长企业和无增长企业，分别对其回归后发现，仅在未来增长企业样本中当期银行金融科技能够显著促进长期贷款（见表3第（5）列），这说明银行金融科技能帮助银行甄别具有增长潜力信息的企业，从而为其提供长期贷款缓解短债长用行为。
........................
五、进一步分析
本文进一步分析银行金融科技发挥作用的内外部环境差异以及潜在的经济后果，为银行金融科技抑制企业短债长用、降低企业融资期限错配风险提供更加深入的经验证据。
1.银行金融科技与更加健全的市场机制环境
本文基准估计验证了银行金融科技对企业短债长用的抑制效应，发现该抑制效应的作用机制重点在于提升银行的信息甄别能力。若信息甄别机制存在，那么应该主要表现在信息质量较低的企业样本中。一方面，企业因其市场价值不同受到外部市场环境的关注水平迥异，高关注度企业虽然受到的市场监管较为严格但信息相对透明，在传统金融环境中获取银行贷款时具备信息优势。而低关注度企业面临的信息环境较差（孔东民等，2013），较难从传统银行获取信贷，因此，银行金融科技发挥作用后对其信息不对称程度带来的边际改善作用应该更强。本文从分析师关注度和研报关注度两方面衡量企业面临的外部市场关注度，如果企业分析师关注度年度均值大于样本中位数，则划分为高分析师关注度，否则划为低分析师关注度。同理，根据研报关注度将样本划分为高研报关注和低研报关注。表5第（1）－（4）列汇报了不同市场关注度样本中银行金融科技对企业短债长用的回归结果，本文发现只有在低分析师关注度和低研报关注度的企业中bankfin的估计系数才显著为负，说明银行金融科技主要对低市场关注度企业的短债长用发挥抑制作用，由于高市场关注度的企业信息相对透明，而市场关注度较低的企业与银行之间的信息不对称水平更高，因此，传统银行对其贷款要求严格，本文的回归结果表明银行金融科技能够与外部市场机制形成互补关系。
另一方面，企业主动进行的信息披露属于内部市场机制，信息披露质量的高低对于银企信息不对称水平具有重要影响。对于信息披露质量较高的企业，由于其本身已经提供了较为可靠的信息，银行金融科技发挥作用空间有限。而对于信息披露质量较低的企业，银行金融科技能够通过数字技术提升对企业的认知，从而改变信贷策略。本文将企业信息披露质量根据样本期间中位数分为高低两组，第（5）、（6）列的回归结果表明，在低信息披露度企业样本中bankfin的估计系数显著为负，但在高信息披露度样本中并不显著。此外，在第（7）、（8）列的回归中，本文利用基于修正Jones模型得出企业操纵性盈余度量财务信息质量，取值越大表明企业财务信息披露质量越差。将企业按操纵性盈余中位数划分为高低两组后回归发现，银行金融科技主要对低财务信息质量企业的短债长用程度产生影响。
........................
六、稳健性检验
本文的内生性来源主要表现在两方面：一是遗漏变量偏误，虽然本文控制了企业和银行层面的一系列变量，但由于企业和银行在年度层面是“一对多”的对应关系，无法控制银行固定效应，这导致前文估计可能遗漏了一些银行层面影响其金融科技水平的不可观测性特征；二是样本选择性偏误问题，由于企业与银行的匹配过程可能是内生的，即优质企业可能主动选择具有金融科技属性的银行，同时企业披露的贷款信息也具备选择性，这导致前文的回归结果可能仅是相关关系并非因果关系。下面分别对以上问题进行讨论。
1.遗漏变量偏误
由于前文已经控制了一些企业层面的变量和企业固定效应，并且和银行金融科技相关的变量可能更多是银行的本身特征，因此，本文的遗漏变量偏误应该主要来源于银行层面。接下来采用敏感性分析方法估计遗漏变量强度，然后利用银行固定效应进行检验并专门讨论一类重要遗漏变量（外部金融科技）的影响。
（1）遗漏变量强度检验。借鉴Cinelli et al（.2020）的敏感性分析方法，本文采用潜在遗漏变量、核心解释变量及被解释变量之间的方差关系估计遗漏变量强度。本文将控制变量中的固定资产比重（fix）作为潜在遗漏变量的对比变量，估计结果表明①，即使在潜在遗漏变量为fix强度3倍的情况下，bankfin的估计系数仍然为负，因此，可以确定遗漏变量并不会改变基准回归中估计系数的符号。统计显著性方面，当遗漏变量强度为fix的3倍时，估计系数仍在5%水平上显著。这表明基准回归结果受到遗漏变量强烈干扰的可能性不大。
（2）固定效应。上述敏感性分析结果表明，遗漏变量偏误并未使得基准回归结果失去统计显著性或改变估计系数符号，但需要进一步考察是否会大幅缩小经济效应。因此，本文考虑银行固定效应以控制银行层面遗漏变量：本文假定企业在当期获得贷款规模最大的银行对企业影响最大，为所有样本企业在当期匹配一家最大贷款银行，在基准回归基础上控制银行固定效应。结果表明②，在依次控制银行个体效应，“银行—年份”交叉固定效应和“行业—年份”交叉固定效应后，估计结果仍然保持一致。
......................
七、研究结论与政策启示
本文以2010—2020年银行金融科技专利和相关企业银行贷款为研究对象，探究银行金融科技对企业短债长用的影响及其作用机制。银行金融科技通过提升供给侧与需求侧信贷配置能力，能够降低企业短债长用水平，促进金融风险的防范与化解。本文通过一系列实证估计发现：①基准估计表明，银行金融科技水平的提高有利于抑制企业短债长用，银行金融科技水平每提高1个标准差，短债长用降低2.68%，银行金融科技显著促进银企信息对称改变银行信息甄别能力，从供给侧和需求侧缓解企业短债长用程度。②机制检验表明，银行金融科技主要通过提升银行信息甄别能力改变信贷配置中供给两端主体的行为：在供给端，金融科技通过提升银行信息甄别能力促进其长期融资供给，主要表现在降低不良贷款率、有效识别潜力增长企业、提升长期贷款安全性和收益性上；在需求端，银行金融科技提升了企业信贷配置规模从而缓解企业融资约束，同时缓解信息不对称降低长期贷款的期限溢价与长期贷款监督成本，优化企业的信贷期限结构，促进企业长期融资由抵押贷款向信用贷款转型，缓解传统金融对于民企的“融资歧视”，满足成长型企业的长期融资需求。③从市场环境及潜在的经济后果看，银行金融科技作用的发挥与更加健全的外部市场机制环境、企业内部市场机制形成显著的互补关系，对市场关注度和信息披露质量较低企业短债长用的抑制作用更为显著。而银行金融科技缓解企业短债长用有利于增加企业未来营业收入增长率，但同时也会加大企业经营风险。基于研究发现形成以下启示：
（1）政府层面，积极推进银行金融科技制度体系建设，提升银行金融科技对企业融资期限错配的优化效应，促进企业融资风险的化解与防范。一是积极打造新型数字化基础设施，为银行业等金融机构开展数字化转型提供技术基础保障。布局建设均衡敏捷高效的数据可用中心，推动建设安全、充分共享的金融网络，加快云计算技术规范应用并支持先进的高效算力体系建设。二是优化银行金融科技实践推广的市场环境，通过加强数字能力建设，在保障安全和隐私前提下推动数据有序共享与综合应用，充分激活数据要素潜能，为银行金融科技应用实践提供良好的数字生态；三是为银行金融科技创新提供制度支持，提升创新应用空间和创新风险容忍度。既要在金融科技创新研发端积极探索试点，面向信贷融资痛点和创新科技研发配套支持措施，还要鼓励银行利用新技术融合新业务，适当放宽限制门槛，解决实体部门融资难题；四是强化银行金融科技的监管，健全多方参与、协同共治的金融科技伦理规范体系，防范银行金融科技潜在风险，依托金融科技“监管沙箱”持续扩容，构建事前事中事后的全方位风险防范体系。
（2）银行机构方面，在保障金融安全前提下，促进深化金融科技服务的可得性。一是积极推进银行传统金融服务体系的数字化调整，适合数字化业务需求，推进调整银行部门、组织体系与数字化业务，实现银行数字部门与业务技术联动，全面提升对企业长期信贷的配置能力。二是提升银行金融科技应用的安全性与合规性，防范金融科技应用中的长期贷款配置风险，通过针对长期贷款配置的商业模式、数据安全、技术漏洞等方面的风险治理，加强与第三方合作技术与应用衔接，提升自身数据治理能力。三是加大金融科技复合型人才的培养，通过强化引进相关专业人才，全面推动银行金融科技的业务运用与技术创新，在金融科技创新实践中培养相关专业技术复合型人才。四是强化自身创新主体地位，加快重点领域专利布局，加大底层技术领域研发资金投入力度，既要发挥主导银行的带动作用和示范作用，也要和外部机构依法合规打造数字技术开源社区等创新联合体，推动由底层到应用的系统性专利技术发展。
参考文献（略）