【编者按】数字经济正在全球迅速崛起，尤其在新冠疫情中，运用大数据、人工智能、云计算等数字技术在疫情监测分析、病毒溯源、防控救治、资源调配等方面都发挥了支撑作用，这让我们深刻地意识到，进一步大力发展数字经济，提高我国科技创新能力迫在眉睫。本文根据黄益平教授在“国家发展”在线系列讲座的演讲整理，主要交流讨论三个方面的问题：线上经济可能已经成为宏观经济的稳定器；数字技术在支持中小微企业方面发挥着重要作用；数字经济正站在一个新的起点上，未来会有十分广阔的空间。此系列讲座已举办30多讲，新冠肺炎疫情发生后推出在线版。

本期嘉宾

黄益平

北京大学国发院金光讲席教授、国发院副院长、北大数字金融研究中心主任。

研究领域为宏观经济、国际金融、农村发展、中国经济。

线上经济成为宏观经济的稳定器

目前，国内控制疫情的努力取得了初步成效，但还是有很多不确定因素。民工返城、复工会不会引发疫情反弹？疫情在各国会蔓延到什么程度？会不会引发新的金融危机？这些问题都值得密切观察。

这次的新冠疫情跟2003年非典有所不同，如今已有线上经济，可以在一定程度上缓解疫情对经济和生活消费的冲击。灾害对经济的影响确实有一些共同特征，灾害经济学也是经济学的一个重要分支。灾害对经济的负面影响一般分成直接经济损失和商业中断导致的损失。直接损失是指灾害一发生，经济活动就消失，间接损失指的是下一轮经济发展跟不上。比如非典时期的餐饮业、旅游业立刻停滞，就是直接经济损失；但对外国直接投资的影响就要过一段时间才会显现。因此，2003年6月非典疫情结束到2004年6月这一年，其他活动很快反弹，但外国直接投资变成了负增长。疫情导致国际商务旅行基本中断，商务谈判中断意味着新的直接投资项目也中断，但影响滞后了一年才能看出来。所以，讨论疫情对经济的负面影响，要同时关注直接损失和间接损失两个方面。

哈佛大学的巴罗教授专门研究经济增长问题，他发现战争、大萧条和金融危机这样的灾难造成的成本，往往占GDP的20%，正常经济周期波动的成本往往只占GDP的1%至1.5%。而且，不同类型灾害对经济的冲击很不一样。比如，新冠疫情和地震这种自然灾害就不太一样，疫情不会引发实物资本的损失，不像2008年汶川大地震直接导致房屋、基础设施、设备损坏，但疫情传播和防控带来的成本更严重，对经济整体的影响也许更严重。

法国经济学家巴斯夏提出一个“破窗理论”。“破窗理论”简言之就是：理发店的一块玻璃窗被打破，这当然是件坏事，因为造成了损失，但是玻璃窗的损坏会引发一系列经济活动。如果店主人去订制新玻璃，厂家就会收到新的生产订单，到最后装上新玻璃，这一系列活动产生的经济机会，带来的社会收益，可能超过这块玻璃本身破掉的成本。

疫情对经济的影响当然远远不是破一块玻璃那么简单，但是“破窗理论”提醒我们，疫情冲击也会带来一系列的经济活动，这其中会有人受损，但也许也会有人获得新机会。

从数字经济的角度看，和2003年非典相比，网购已经获得巨大发展，占全社会零售总额的20%以上，2003年基本还没有线上经济，淘宝平台2003年6月才上线。新冠疫情发生后，阿里和蚂蚁金服做了一系列调查发现，餐馆的生意确实总体减少，其中，线下业务减少了75%，线上业务减少了40%，同时减少。但如果没有线上业务补充，餐饮业受到的总体冲击会更大。调查还发现，40%的餐馆都做外卖，这其中又有一半餐馆是新开的外卖业务。

当然，疫情的影响是动态的，不同行业在不同阶段受到的冲击也不同。这和我们过去看人工智能和机器人产生的影响是一个道理：不同行业被改变、替代的程度不太一样，但一般来说，简单重复的劳动比较容易由机器替代，也比较容易在线上完成，但是个性化的、涉及情感的活动就比较难被替代。但这也是动态发展的，比如机器人短期内无法替代门诊医生等知识密集高的工作，但如果科学大幅度进步、计算机技术显著提高，也许有一天机器人也能直接给人看病。

数字经济助力中小微企业融资

过去两年，中小微企业、民营企业都抱怨日子越来越难过。有多方面的原因，其中一个就是2019年政策方面控制风险、去杠杆，使得它们融资难的问题变得更加突出，如今叠加疫情冲击，它们的日子可能更难。因为一方面业务减少甚至中断，另一方面租金、工资等开支还在继续。

中小微企业往往没有太多资金储备，因现金流断裂而倒闭的风险很大。很多人说，它们再扛一两周、一两个月，等疫情过去就好，但真正令人担心的是很多企业扛不到黎明。

中小微企业的困难，可能就是我们今天面对的系统性风险，这个系统性风险当中最大的风险就是现金流断裂，而不是资不抵债或者其他风险。

怎么解决现金流断裂的风险？简单来说有三条路：第一是增加营收，第二是压缩开支，第三是获得外部融资。2月25日，国务院常务会议上也宣布了一系列措施，包括增加5000亿元的贷款、贴现贷款，支持中小微企业信贷。这当然好，问题是这些钱和政策工具能不能最终帮到这些企业？

还有一个更现实的问题，我们可能根本不知道中小微企业在哪儿、有多少、状况到底怎么样？

2019年工商部门登记的个体工商户数量大概是6000多万，但有专家表示这个数字不准，因为个体工商户开业前都要去工商部门登记，但倒闭了通常不会再去工商部门注销。

紧接着的问题就是如果中小微企业是什么情况、有多少、在哪儿都不知道，又怎么样支持到它们呢？好在针对这个历史性、普遍性的问题，北大数字金融研究中心最近做了一项研究，采用支付宝的数据来做评估测算。

支付宝2017年推出二维码扫码支付服务，将业务由线上网店扩大到线下店，让线下交易基于一个二维码就可以，所以覆盖面很大，通过支付宝的“码商”规模，我们得以了解个体工商户的大概数量。根据《中国个体经营户总量测算与新冠肺炎疫情冲击评估》报告。主要包括三项工作：第一是测算中国的个体经营户到底有多少，第二是评估疫情对个体经营户造成了多大影响，第三是看数字金融与疫情冲击之间的关系。

第一项：个体经营户的总数估算。

报告基于支付宝数亿量级的二维码收单工具，即“码商”的数据，利用机器学习等分析方法，估算了中国个体经营户的总量。结果显示：第一，我们现在测算的2018年全国个体经营户总数量约9776.4万户，而2019年第四次全国经济普查公布的官方数据是6000多万，比官方数据高出54.8%。第二，个体经营户就业人口大概有2.3亿，占全国劳动人口的28.8%。要说明的是，这2.3亿人不排除有兼职性就业人口。第三，个体经营户年营收总额是13.1万亿，相当于全年社会零售总额的34.4%。同样需要说明的是，13.1万亿中可能有一部分已经纳入社会零售总额的统计数据。

第二项：测算这次疫情对个体经营户的业务影响。

一般的分析方法，是拿今年和去年的业务数据进行对比，减少多少就表明受冲击有多大。这个分析方法不一定对。经济学中，对外生冲击或某一个政策效果进行评估，要解决的一个根本性问题就是“反事实构建”。就这次疫情而言，我们只能观测到受新冠疫情影响的实际数据，而不知道疫情如果没有发生，经济数据将会是什么样。为了有效评估疫情冲击，最理想的方式是构建一个没有新冠疫情发生情况下，2020年个体经营户的经营状况，即“反事实构建”，疫情带来的实际冲击，就应该是2020年的实际经营数据，与“反事实构建”出的经营数据之差。

第三项，看数字金融与疫情冲击之间的关系。

目前，我只能给出一个非常初步的分析，是否可靠还需要一系列验证。简单来说，就是基于数字技术精准放贷的贷款，如果某个地区多一些这类服务，它受疫情冲击的程度相对来说就会小。因为这说明此地的中小微企业融资环境受冲击相对小，资金短缺问题没那么突出。

期间，新网银行、网商银行等都在继续发放贷款。传统银行跟不上，因为原来的线下业务模式很多需要见面办理。

研究员戚树森用美国的数据研究灾后金融服务发现，首先，无论是企业还是个人，灾后都要到银行取款。对我们来说，大多数人有支付宝和微信，不需要去银行。主要是一些老年人不用电子支付，只能到银行取钱，邮储银行的一位高管就表示，疫情期间要保证每天有一家支行开门以方便取款。这和美国一样。其次，灾后会适度向银行申请贷款。从国内情况看，从传统银行贷款比较难，一方面要求见面办理，另一方面需要抵押品做信贷评估。像中小微企业缺乏抵押资产。戚树森教授的研究同样发现，即便在美国，网络贷款在支持灾后重建过程中的作用也非常大，在传统银行布局比较少的地区尤其重要。

这个发现对我们来说有很重要的借鉴意义。数字金融研究中心曾在2018年发布北京大学数字普惠金融指数，其中一项内容是移动支付覆盖度指数，我们发现，2011年只有东南沿海地区移动支付覆盖还不错，到2018年移动支付基本是全国开花，中西部地区发展势头尤其好，总体上体现出普惠的特点，移动支付明显跨越“胡焕庸线”。“胡焕庸线”是以20世纪30年代的地理经济学家胡焕庸命名，在地图上，这条线北边始于黑龙江的黑河，南边到云南的腾冲，线右边的东部地区国土面积大概是全国的44%，当时养活了全国96%的人口。今天经济发达的区域还是集中在“胡焕庸线”以东。不过，数字金融明显加快了金融服务区域的拓展速度，因为它不像传统金融服务，拓展业务不需要分支行。数字金融的好处是只要客户有一部联网手机就行，一下子解决了金融当中最难的两个问题，即获客难和风控难。

能这样做，靠的是大数据风控模型。和传统模式相比，大数据风控有两个优点，分别是信息优势和模型优势。

信息优势首先体现在实时数据。在线申请贷款的客户，虽然没有完整的财务数据、质押资产，但是有实时交易数据，因此可以知道客户的业务经营状况，甚至可以基于这些数据预测未来几天或一周的业务运营情况。这是非常实时更新的数据，过去看财务报表，起码会滞后一个季度，有的可能滞后一年。信息优势还体现在行为数据，比如家庭关系、责任感、个性特征，这些都是行为数据构建的特征。一个人的财务状况会随时改变，但是行为数据会相对稳定。

模型优势体现在基于机器学习的模型来做分析。传统金融系统的风控模型一般都是线性模型，是根据已有数据做简单分析，最后综合在一起打分。机器学习则可以抓住非线性关系和交互行为，基于动态关系、业务交易量做模型分析会更准确，其中变量也更加重要。

将大数据风控模型和传统商业银行的风控模型对比，可以初步得出两个结论。第一，现在的系统中，如果基于很好的财务数据和央行征信数据做风控模型，模型基本比较可靠。如果在这个模型上再加上网络新数据做预测，能让分析变得更加准确。第二，这套方法最大的优势，不是给传统风控锦上添花，而是雪中送炭。大部分中小微企业并没有财务数据、央行征信，在这样的情况下，大数据依然能做出非常稳健的预测。这确实是一个革命性变化。

数字经济迎来新起点

今天数字经济可能因为疫情而站到了一个新起点上，原因是：

第一，疫情给了一个新的触发点，让大家深刻理解无接触交易的重要性。淘宝是非典疫情结束时建立起来的平台，之后获得快速发展。这次疫情，也许会让无接触交易的需求进一步提升。我们已经看到一系列无接触活动在发生，比如医疗卫生、短视频和网红经济、手游、线上办公、在线教育、无人配送、数字金融等，未来它们可能会有很大发展。

第二，人口老龄化问题正日趋严重。中国每年劳动人口减少800万，老龄人口增加1200万，照此发展，三十年后的抚养比将从2019年的41%上升到2049年的66%。这意味着今天100个劳动人口养40个不工作的人，主要是老人和小孩，到2049年，每100个劳动人口就要养66个不工作的人，劳动人口的负担会变得越来越重。从另外一方面来说，劳动人口供给变得越来越少，机器替代人就变成必须要做的事情，线上经济当然是其中之一。

第三，技术在不断进步，第四次工业革命可能很快到来。第一次工业革命始于1760年，以蒸汽机技术的出现为标志。第二次工业革命始于1850年，以电力技术为核心。第三次工业革命大概始于1950年，标志是计算机信息技术的应用。第四次工业革命，很多人认为始于2013年，德国在汉诺威工业博览会上正式提出“工业4.0战略”，并称我们也许正在进入第四次工业革命时代。以人工智能、大数据、机器人为代表的新技术，可能是第四次工业革命的重点。在这个大潮之下，数字经济发展可谓顺理成章。

技术发展对经济的影响可见一斑。目前大家都在谈论5G技术，个人认为，5G技术的落地将引爆数字经济。从1G、2G、3G、4G到5G，通信技术在不断提高，与之相对应，我们的经济也在多方面发生改变。比如淘宝在2003年上线，2004年12月支付宝上线以前业务都还很难做，因为交易方式和交易信用没有解决。即便支付宝上线之后，网购也并未快速发展，因为必须要在台式机上用支付宝，不够方便，用的人很少。后来也是手机通信等基础技术跟上以后，淘宝等业务才突飞猛进。因此，乔布斯2007年1月发布苹果手机，被称为数字经济发展的一个里程碑。当智能手机大幅铺开，尤其是2009年3G技术大面积商用，才终于可以在手机上网购、支付，到2014年推出商用4G，线上购物体验效果变得更好。5G技术比4G往前更进一步，如果5G商用，很可能在很多方面带来革命性变化。

5G技术以及第四次工业革命，还可能让我们很快迎来第三次全球化浪潮。

如果数字技术能成为推动世界经济连通的新力量，第三波全球化浪潮一定会到来，只是时间问题。第三次全球化浪潮，将主要以数据为载体。还有全球产业链、数字货币、跨国医疗服务等，很多事情可以做，趋势也很明显。