FRL | 助力金融发展：生成式人工智能在跨国融资中的关键作用

数据与变量‍‍‍‍

    该研究选取了21个国家的横截面数据，数据来源于Crunchbase平台，分析了生成式人工智能（GAI）融资对金融发展（FD）的影响。被解释变量方面，该研究收集了国际货币基金组织（IMF）2020至2022年的金融发展指数数据。解释变量方面，该研究选取了2010至2022年间成立的GAI初创公司所获得的总融资额（单位：百万美元）作为衡量GAI融资的指标，最终样本包括21个国家的384家初创公司。此外，该研究还纳入了公司层面和国家层面的控制变量，并采用“媒体曝光”作为工具变量以解决潜在的内生性问题。

    研究发现，21个国家的GAI初创公司在数量和融资额上存在显著差异。美国以229家初创公司和超过349亿美元的融资额占据主导地位，远超其他国家。英国以31家初创公司和6.4275亿美元的融资额位居第二。德国和加拿大分别以17家和16家初创公司获得12.7亿美元和10.7亿美元的融资。澳大利亚、巴西、以色列和法国等国家的初创公司数量和融资额处于中等水平，获得了6700万至4.87亿美元不等的融资。相比之下，阿根廷、爱沙尼亚和韩国等较小市场则拥有较少的初创公司，融资额通常低于1000万美元。数据表明，尽管美国在GAI融资领域处于领先地位，但欧洲和亚洲国家也在GAI融资方面取得了显著进展。尽管目前投资仍高度集中在少数关键市场，但这种多元化的区域分布突显了全球对GAI市场的高度关注。

表1 变量描述

模型构建

    为了研究生成式人工智能（GAI）融资对金融发展的具体影响，该研究采用了简单线性回归模型，并纳入了一系列控制变量，分别对2020年、2021年和2022年的数据进行了分析。模型具体构建如下：

    为了进一步解决潜在的内生性问题（反向因果、遗漏变量），该研究引入了两阶段最小二乘法（2SLS），减少估计偏差，提高模型的稳健性。此外，该研究还进行了异质性分析，将样本按地区划分为不同的子大陆，以检验GAI融资对金融发展的影响是否存在区域差异。这种基于地区划分的分析对于理解研究结果在不同地理环境中的普适性具有重要意义。

图1 GAI初创公司在样本国家的数量及融资额情况

    描述性统计结果显示，2020年至2022年期间，金融发展指数（FD）的均值相对稳定，标准差稍有波动。生成式人工智能融资（GAIF）的均值为6.59，标准差为1.033 ，显示出较大的变化幅度；其他控制变量，如员工数量（NOE）、初创公司年龄（AGE）和信息技术支出(Itspend)，也表现出数据间适度的差异性。

    相关性矩阵显示，生成式人工智能融资（GAIF）与金融发展（FD）、信息技术支出与金融发展（FD）在所有年份中均呈正相关。而外国直接投资（FDI）与金融发展（FD）在2020年和2022年表现出显著的负相关。国民收入（NI）与金融发展（FD）始终保持强正相关，进一步强调了其作为控制变量的重要性。此外，生成式人工智能融资（GAIF）与员工数量呈正相关，表明融资增加时，公司员工数量也倾向于增加。同时，生成式人工智能融资（GAIF）与信息技术支出呈正相关，意味着融资较高的初创公司更倾向于在信息技术基础设施上投入更多资金。

表2 描述性统计结果‍‍

基准回归‍‍

    基准回归结果显示，生成式人工智能融资（GAIF）在2020年至2022年的所有年份中对金融发展（FD）均具有显著的正向影响，均在1%的水平上显著。这表明生成式人工智能初创公司在推动样本国家金融发展方面发挥着关键作用。

    控制变量方面，员工数量（NOE）对金融发展（FD）有显著的负向影响，这意味着员工数量规模较大的生成式人工智能初创公司对金融发展（FD）有负面作用。初创公司的年龄（AGE）和信息技术支出（Itspend）对金融发展（FD）的影响不显著。此外，外国直接投资（FDI）与金融发展（FD）呈显著负相关，而国民收入（NI）在所有年份中均对金融发展（FD）有显著正向影响，这凸显了宏观经济因素在塑造金融发展中的重要作用。

表3 基准回归结果 

稳健性检验（工具变量法）

    该研究使用两阶段的最小二乘法（2SLS）解决内生性问题，引入工具变量“媒体曝光”（Publicity Exposure, PE）。回归结果显示，（1）生成式人工智能融资（GAIF）在所有年份均对金融发展（FD）具有显著影响，均在1%和5%的水平上显著；（2）Kleibergen-Paap检验表明模型识别良好，在 1%的水平上拒绝了“工具变量不可识别”的原假设，表明了该模型被正确识别；Hansen过度识别检验未能拒绝工具变量是外生的，通过了沃尔德检验弱工具变量检验。

    因此，媒体曝光（PE）作为工具变量是合理且有效的。双阶段回归的结果进一步表明，生成式人工智能融资（GAIF）对金融发展（FD）的促进作用显著且稳健，验证了因果关系的存在，同时支持了基准回归的可靠性。

表4 稳健性检验（工具变量法）回归结果

异质性检验

    为进一步研究生成式人工智能融资（GAIF）对金融发展（FD）的影响的区域异质性，该研究将样本数据划分为亚洲与非亚洲国家、欧洲与非欧洲国家、拉美及北美与其他地区3个子样本进行回归分析。

    回归结果显示，在亚洲国家，生成式人工智能融资（GAIF）对金融发展（FD）在所有年份均具有显著的正向影响，表明GAI融资在推动亚洲国家金融发展方面发挥了关键作用。相比之下，在非亚洲国家，生成式人工智能融资（GAIF）对金融发展（FD）仅在2021年在10%的水平上显著。在欧洲与非欧洲国家的对比中，非欧洲国家的生成式人工智能融资（GAIF）对金融发展（FD）在所有年份中均为正向显著影响，均在1%的水平上显著。而在欧洲国家，生成式人工智能融资（GAIF）对金融发展（FD）仅在2021年在10%的水平上显著，其余年份该影响不显著。 此外，在拉丁美洲和北美与其他地区的对比中，生成式人工智能融资（GAIF）对金融发展（FD）的影响在“其他地区”均在1%的水平上显著。然而，在拉丁美洲和北美，该影响不显著。

表5 异质性检验回归结果

研究结论

    该研究通过两阶段最小二乘法（2SLS）分析，强调了生成式人工智能融资（GAIF）对金融发展（FD）的显著推动作用。研究发现，该推动作用具有区域异质性，生成式人工智能融资（GAIF）对金融发展（FD）的影响在亚洲和非欧洲国家更为显著，而在欧洲和美洲国家的影响相对较弱。

政策建议与未来展望

    政策制定者、金融机构和监管机构都应合作为生成式人工智能初创公司创造有利环境，以促进金融发展。在亚洲和新兴地区，监管机构应通过提供财政激励、加强基础设施建设和建立支持性的监管框架来促进生成式人工智能初创公司的发展。金融机构应积极投资并与生成式人工智能初创公司合作，推动金融服务的创新。对于欧洲、拉丁美洲和北美市场，金融监管机构应专注于将生成式人工智能初创公司整合到现有的金融框架中。此外，金融机构可以通过提供与生成式人工智能创新相一致的针对性金融产品和服务来发挥作用。此外，所有地区的金融监管机构都应通过制定促进公平和透明的框架，并加大公共宣传以吸引投资者，从而推动金融的可持续发展。