大科技公司（Bigtech）在金融领域发挥着越来越重要的作用。通过引入网络平台，大科技公司将金融科技渗透到信贷、保险、储蓄、投资产品等多个金融领域的运营过程之中。在提供金融中介服务之外，在一些国家，大科技公司还提供了和金融衍生品的服务。大科技公司及其金融科技产品在全球范围内的迅猛发展，对于金融稳定性和整体经济福利产生了深刻的影响。那么，什么是大科技公司在金融领域的驱动力？大科技公司是如何在金融领域发挥作用的？本文立基于扎实而有效的经验证据，回答了上述问题。

　　大科技公司的金融服务活动在一些经济体中迅速增长，特别是支付、向中小企业（SME）以及其他特定细分市场提供。

　　鉴于数据有效性以及跨辖区的可比性，实证分析集中在大科技公司信贷上，这可被视为FinTech信贷的一部分。

　　与银行不同，大科技公司无法通过传统分支机构网络和借款人联系，同时也无法通过人力资源获取“软”信息。

　　近年来最引人注目的发展之一是科技公司（“大科技公司”或“TechFins”）进入金融服务领域。中国的大科技公司在金融领域的发展可能最发达的，包括Ant Financial（阿里巴巴集团的一部分）和腾讯，每个公司都提供金融零售和小企业客户服务。迄今为止，所有大科技公司基本都采取相同的方式来扩展其在金融领域的业务。它们通常从支付领域开始，而这在许多情况下，是在现有支付基础设施之上进行此类服务。

　　虽然大多数大科技公司从支付起步，为了促进他们的“核心”业务（电子商务，广告等），但业务领域的顺序以及他们如何进行支付服务存在相当大的差异。

　　与整体信贷市场相比，大科技公司的信贷活动总量仍然很小。最近，蚂蚁金融的MYbank还与一家成熟的传统银行建立了合作伙伴关系，以更好地为小型线下农民（即不在淘宝电子商务平台上的零售商）提供服务。具体而言，Ant Financial为小型供应商（农村地区的农民）提供二维码海报，允许他们的客户扫描这些代码并通过他们的支付宝应用程序付款。通过获得的交易数据，公司能够使用MYbank评分系统向这些客户提供信贷，这些客户通常无法提供足够的文件来申请普通银行信贷。

　　虽然大科技公司信贷正在快速增长，但在全球范围内，与其他形式的融资相比，它仍然非常有限。大科技公司中的网络效应允许产品和服务的互补性。最先进的大科技公司不仅在信贷供应方面，而且在保险，储蓄和投资等相关金融服务方面也很活跃。大科技公司是金融机构的重要第三方服务提供商。亚马逊网络服务是全球最大的云服务提供商，包括许多金融机构。微软和谷歌也是大型云服务提供商，而阿里云（阿里集团的蚂蚁金融公司的附属公司）是亚洲的主导者。

　　如果现有公司或消费者得不到银行服务，如银行账户或信用卡人口比例较低，那么大科技公司可能会有更快的增长机会。

　　消费者和小企业更倾向于使用大科技公司中间商的金融产品，因为他们对新技术非常满意，特别是如果银行不改变其金融服务供应。

　　大科技公司可以访问各种客户数据，这可以为他们提供优质信息，以评估借款人和保单持有人的信誉，从而实现更准确的信贷和保险评估，或降低中介流程的成本。

　　由于广泛使用人工智能和机器学习等新技术，大科技公司可能能够更好地处理数据，例如通过卓越的筛选技术，相对于金融机构的老旧系统。

　　确保充足的资金是大科技公司扩大的一个制约因素。出于这个原因，大科技公司经常与银行合作或建立自己的银行。另一种做法是联合或发起-分配模式——一种已经为金融科技公司所用的框架。

　　如果现有的金融法规（例如消费者保护规则或审慎要求）不适用于进入金融服务的大科技公司，那么这可以降低大科技公司的成本和竞争优势。

　　鉴于数据有效性以及跨辖区的可比性，我们将我们的实证分析集中在大科技公司信贷或大科技公司提供的信贷上，这可被视为FinTech信贷的一部分。大科技公司信贷额度在各经济体之间差异很大。大科技公司信贷占FinTech信贷总额的份额在韩国阿根廷巴西最高，其中每个大科技公司都有相对较小的FinTech信贷市场。无论是总额或人均额，中国都是全球最大的FinTech和大科技公司信贷市场，在这个庞大而深厚的信贷市场中，大科技公司占FinTech整体信贷总量的20％左右。最后，虽然总值是中等规模，但大科技公司信贷在美国英国的信贷总额中所占比例仍然很小，而且在日本的整体金融科技信贷中只占一小部分。

　　大科技公司信贷活动的存在与人均GDP正相关。由于人均GDP很可能代表一个国家发展阶段的许多方面。大科技公司活动在银行业竞争力较弱的国家或地区发展。这一结果可能是因为大科技公司信贷成本较低，而且对这些国家的借款人来说相对更具吸引力，也可能是因为高利润吸引大科技公司进入。

　　同样，银行分行网络的密度与大科技公司信贷的发展呈负相关。更严格的银行监管与较少的金融科技信贷活动相关。这可能表明，在银行监管更加宽松的司法辖区，对金融科技的监管，尤其是大科技公司的监管更为自由。相反，在具有相对严格的审慎和银行许可制度的国家开展新的活动可能更加困难。这提供了一些证据来反对监管套利一般促进金融科技活动的论点。银行市场力量（勒纳指数）和监管严格性实际上更重要的是作为大科技公司提供信贷的经济体的推动因素。与金融科技的信贷相比，大科技公司信贷更容易缓解金融监管的和提升银行业集中度。

　　与银行不同，大科技公司没有传统的分支机构网络与借款人联系，以及通过人力资源获取“软”信息。相反，那些提供信用的人使用来自在线平台的专有数据。值得注意的是，发放流程通常包括基于预测算法和机器学习的信用决策。与FinTech信贷平台一样，大科技公司可能会使用其他数据来源，包括电子商务或社交媒体活动的见解。机器的使用可能具有一些优势，因为信用风险的直接和快速评估改善了承保过程，机器能从客户之间的关系中提取信息，并且可以防止在某些情况下决策存在人为偏见。数据资源更大，可能会让大科技公司人向以前被拒绝进入正规银行信贷市场的借款人提供。

　　大科技公司能够通过利用其核心业务（如电子商务）提供的信息来克服这些限制，而无需商家提供额外的文件。直接从电子平台获得的数据包括：i）交易（销售量和平均销售价格）;ii）声誉（索赔率，处理时间和投诉）;iii）行业特有的特征（销售季节性，趋势和宏观经济敏感性）。

　　将交易数据与机器学习技术相结合可以扩大可获得信贷的潜在借款人群。这种用户群的扩展可以在融资机会稀缺或申请流程繁重的市场领域促进普惠金融的发展。基于机器学习技术的内部评级系统和从电子商务平台获得的数据是否能够超越更传统的模型来预测整个商业和金融周期的违约，仍有待进一步验证。评估系统的预测能力不仅取决于供应方数据的高准确度，也利用了供应方和客户之间的网络结构。例如，可以通过识别与其他企业有限连接的孤立节点集群来检测欺诈性申请。

　　为了进行这些测试，我们使用2017年1月至12月在阿根廷Mercado Libre平台上销售的供应商的月度统计数据，以及2014年9月至2016年7月期间阿里巴巴在中国的淘宝交易平台以及在线产品的有效信息。

　　使用来自Mercado Libre和蚂蚁金服的数据，我们想验证首次使用在线信贷是否可以提升公司的销售和产品在线报价。计量经济学分析具有挑战性，因为它很难完全识别信贷使用对企业绩效的因果影响。

　　总的来说，我们发现结果非常稳定。应该指出的是，尽管使用了大量的控制措施，这些结果仍不能被解释为信贷对企业绩效的因果影响，因为我们不能完全排除内生性问题。

　　大科技公司正在迅速走入金融服务。一些辖区的大科技公司开始直接或与金融机构合作一起将大科技公司从支付扩展到，保险甚至储蓄和投资产品。了解大科技公司在金融中介方面的竞争优势和比较优势是评估这些技术发展可能会加强金融中介，还有对实体经济发挥的作用，以及可能带来的机遇和挑战，必要的第一步。

　　大科技公司服务在金融领域的快速增长无疑会带来既有利也有弊的变化，也可能给金融体系带来风险。大科技公司可以加强竞争和金融普惠性，特别是对于新兴市场和发展中经济体，也有助于提高金融服务的整体效率。相反，这些公司可能会进一步集中市场力量甚至引发新的系统性风险。尤其重要的是，了解大科技公司如何适应当前的金融监管框架，以及应该在哪些原则下组织监管。该领域的相关问题将留待未来研究。