金融科技贷款与银行网点关闭：来自1150万笔PPP贷款的证据

《Journal of Empirical Finance》：Fintech lending and bank branch closures: Evidence from 11.5 million PPP loans

　　•研究了1150万笔按购买力平价计算的贷款以及疫情前银行分支机构的关闭情况。•金融科技贷款的违约率整体更高，但在银行分支机构关闭的地区表现更好。•呆账率的改善主要反映了哪些金融科技平台在这些地区提供了贷款。•在整个金融科技生态系统中，不同放贷机构的贷款减免情况相似。•金融科技贷款与较小的种族间的呆账差距相关。

引言
2009年至2019年间，美国有超过13,000家银行分支机构关闭，这对低收入和少数族裔社区造成了不成比例的影响（Nguyen, 2019）。这些关闭减少了小企业的信贷渠道，抑制了当地创业活动，形成了广泛报道的“银行荒漠”问题（Célérier和Matray, 2019）。与此同时，金融科技贷款机构迅速扩张，承诺通过数字渠道和算法审核来填补信贷空白（Buchak等人, 2018）。金融科技能否有效替代传统银行业务，以及在什么条件下可以替代，是金融包容性研究中最重要的未解问题之一。本文通过分析薪资保护计划（PPP）期间的金融科技贷款情况提供了新的证据。2020年至2021年间，PPP向小企业发放了7930亿美元的可免除贷款，传统银行和金融科技贷款机构都参与了这一计划。三个因素使得这一研究特别适合于探讨金融科技替代传统银行业的问题：首先，该计划的快速实施产生了紧迫的信贷需求，给金融科技贷款机构提供了大规模服务小企业的机会；其次，所有1150万笔贷款的详细信息（包括放贷机构、贷款特征和减免结果）都是公开的，这在常规贷款市场中是无法实现的；第三，该计划的统一条款消除了价格差异，允许在不同市场环境下对放贷机构的表现进行清晰比较。

现有文献对金融科技在PPP中的贷款效果得出了相反的结论。Griffin等人（2023）指出，金融科技贷款机构的可疑贷款率是传统银行的五倍，暗示自动化审核过程可能存在广泛的欺诈行为。Howell等人（2024）表明，金融科技自动化减少了种族间的信贷差距，尤其是黑人拥有的企业从金融科技贷款机构获得贷款的比例更高。Erel和Liebersohn（2022）发现金融科技主要服务于银行分支机构较少的地区，而Chernenko和Scharfstein（2024）则强调地理位置仅能解释PPP贷款接受率种族差距的五分之一，并指出了专业中介的作用。我的贡献在于说明了这些看似矛盾的结果可以通过区分金融科技运行的市场环境来调和。

我记录了三组发现：首先，金融科技在PPP中的市场份额与银行分支机构的关闭情况密切相关：没有疫情前关闭情况的邮政编码区中，金融科技市场份额为14.6%；而在有三个或更多分支机构关闭的区域，这一比例上升至25.6%。然而，这种梯度在控制县级固定效应后消失了，使用银行合并情况的工具变量分析得出的结论则相反。这种市场份额模式可能反映了市场对金融科技的选择，而非因果替代关系，第6节将讨论为什么在县内没有这种关系。

其次，金融科技贷款的质量与当地银行状况有关：在没有银行分支机构关闭的地区，金融科技呆账率为14.43%；而在有银行分支机构关闭的地区，这一比例为13.97%，相差0.46个百分点。这种金融科技发贷与当地银行关闭之间的相互作用在多种更为复杂的模型中依然存在，最终在考虑行业、计划周期、审批月份、企业类型和县级固定效应后仍然成立。在全部1050万笔贷款的分析样本中，最完整的模型表明，在有银行分支机构关闭的邮政编码区内，金融科技贷款被免除的可能性低0.41个百分点，而被全额减免的可能性高0.56个百分点（净效应考虑了传统银行贷款的相应差异）。即使将样本限制在2015年至少有一个分支机构的邮政编码区内，或在县级层面衡量关闭情况，这一结果仍然稳健。加入放贷机构固定效应后，两种结果之间的不对称性更加明显。当排除那些之前被标记为可疑PPP贷款率较高的放贷机构后，呆账率的交互作用显著减弱，统计上几乎降至零。相比之下，减免率的交互作用在所有模型中都保持显著。这两种效应共同作用：部分差异反映了不同金融科技平台在哪些地区提供服务，部分差异反映了不同放贷机构内部的贷款结果差异。呆账率的差异更多地归因于前者，而减免率的差异更多地归因于后者。

第三，我研究了种族差异。黑人拥有的企业使用金融科技的比例是白人拥有的企业的两倍（47%对23%），金融科技与黑人之间的交互作用导致呆账率降低了7.8个百分点（t=-22.7），这与Howell等人（2024）的研究结果一致，即自动化减少了种族差异。然而，在控制银行关闭情况的条件下，这一结果的效应较弱：在完整的固定效应模型中，黑人、金融科技和银行关闭的三重交互作用仅为-0.19个百分点，统计上几乎为零。种族差距的总体效应是数据中显著的种族差异表现；我认为，在控制县级固定效应后，数据并不支持另一种基于银行关闭情况的种族模式。

这些结果在四个方面丰富了现有文献：首先，我提供了迄今为止最全面的金融科技在PPP中贷款表现的描述性分析，涵盖了1150万笔贷款，并使用了七层次固定效应模型，最终达到了县级固定效应和按邮政编码分组的标准误差。其次，我证明了同一批金融科技贷款机构在不同银行环境下表现出显著不同的结果特征——这种模式有助于调和Griffin等人（2023）关于欺诈的证据与Howell等人（2024）和Erel及Liebersohn（2022）关于金融科技在不同市场细分市场中运作的证据，而不是将金融科技视为具有不同特性的不同实体。第三，我补充了Balyuk等人（2025）的研究，他们利用疫情前的数据研究了金融科技进入市场的路径，我进一步描述了在不同银行环境下金融科技贷款的表现——这是现有市场结构文献中缺乏的维度。第四，放贷机构层面的分析表明，呆账率的差异更多地集中在那些之前被标记为可疑PPP贷款率较高的金融科技贷款机构上，而减免率的差异则普遍存在于所有金融科技贷款机构中。这一细微差别细化了而不是颠覆了主要的描述性模式。在整个分析过程中，我强调银行分支机构的关闭并非外生变量，放贷机构的选择也不是随机的，因此这项分析应被视为描述性和调和性的，而不是确定金融科技对贷款表现的因果关系。

本文的其余部分安排如下：第2节回顾相关文献；第3节提供PPP制度的背景信息，并描述数据和实证设计；第4节展示金融科技市场份额的描述性结果；第5节分析贷款结果；第6节探讨稳健性和扩展性；第7节讨论结论；在线附录提供了额外的稳健性检验、异质性分析和完整的回归表。

**相关文献**
本文结合了三个研究领域：金融科技与小企业信贷、薪资保护计划以及银行分支机构的关闭。

**制度背景：薪资保护计划**
薪资保护计划由2020年3月的CARES法案设立，旨在帮助小企业在COVID-19封锁期间保留员工。该计划提供最高可达企业平均月薪2.5倍的政府担保贷款，通过私人放贷机构发放，但由小企业管理局（SBA）全额担保。贷款利率为1%，无需抵押品或个人担保，且该计划的一个关键特点是贷款可全额免除。

**表3显示了不同银行分支机构关闭情况下金融科技在PPP中的市场份额。可以看出，市场份额随着银行分支机构的关闭数量增加而上升：在没有关闭情况的邮政编码区中，市场份额为14.6%；有一个关闭情况的地区为21.8%；有两个关闭情况的地区为24.6%；有三个或更多关闭情况的地区为25.6%。对邮政编码级别的金融科技市场份额与关闭次数的双变量回归得出β?=0.0277（t=23.22），表明每增加一个关闭机构，金融科技市场份额增加2.77个百分点。控制初始的银行分支机构密度后，这种趋势减弱了。**

**表4比较了不同类型放贷机构的整体结果。金融科技贷款的表现明显较差：呆账率为14.1%，而传统银行的呆账率为1.6%；全额减免率为80.7%，而传统银行的减免率为94.7%。金融科技贷款的平均金额也较小（23,200美元对89,400美元），并且创造的工作岗位也较少（5.2个对21.4个）。这些与Griffin等人（2023）的研究结果一致，即金融科技贷款机构的可疑贷款率是传统银行的五倍，表明可能存在欺诈行为。**

**金融科技市场份额对县级固定效应的敏感性**
第4节中的描述性市场份额模式反映了县际差异而非县内替代。表8显示，银行分支机构关闭与金融科技市场份额之间的正相关关系（β?=0.010，t=8.6）在控制州级固定效应后仍然存在（β?=0.004，t=4.0），但在控制县级固定效应后完全消失（β?=0.001，t=0.7）。在同一县内，不同银行分支机构关闭数量的邮政编码区之间，金融科技市场份额并无显著差异。这与贷款层面的情况形成鲜明对比。

**解释**
核心的描述性发现是，即使无法从因果关系上解释金融科技市场份额的梯度，但在失去银行分支机构的邮政编码区和未失去银行分支机构的邮政编码区之间，金融科技贷款的质量存在系统差异。最直接的解释是，选择使用金融科技服务的借款人群体在这两种环境下有所不同。在银行分支机构稳定的邮政编码区，金融科技与当地的传统银行竞争；而在银行分支机构较多的邮政编码区，金融科技占据主导地位。

**结论**
本文利用1150万笔PPP贷款的数据，研究了金融科技贷款表现与当地银行状况之间的关系。核心的描述性发现是，失去银行分支机构的邮政编码区与未失去银行分支机构的邮政编码区之间的金融科技贷款质量存在系统差异。尽管金融科技贷款的总体呆账率为14.1%，远高于传统银行的1.6%，但在经历了银行分支机构关闭的邮政编码区，金融科技贷款的表现相对较好。