金融服務業在享受數位化轉型帶來行業提升的同時，也應重視其中蘊藏的風險。同時，金融服務業在技術革命的浪潮中，也應兼顧好「追逐明星」和「扶危助弱」的關係，將數字金融和普惠金融有機結合，為社會風險的承擔，以及技術教育、技術培訓等新環境下的「數字社會安全網」的構建投入更多資源，貢獻更多力量。
作為就業「緩衝墊」的金融服務業
以價值增加率(價值增加值/總產出)衡量，我國第三產業效率與美國比較接近：我國約55%，美國約62%，這與我國第二產業的價值增加率只相當於美國一半形成了鮮明對比。但這並不意味著我國第三產業的國際競爭力已經可與美國比肩，因為我國在每年取得約5000億美元貨物貿易順差的同時，還有著約2500億美元服務貿易逆差，這說明我國人民存在著大量的服務需求無法被國內供給所滿足的情況。
服務業定價能力的薄弱是國內服務業供給缺乏競爭力的具體表現。在發達國家深陷通脹疲弱的經濟背景下，我國的通脹水平一直保持在溫和適度的合意區間，主要的支持來源來自於製造業：過去15年，我國消費品CPI年增速平均比美國高約1.7個百分點，而服務業CPI平均比美國低約0.5個百分點。事實上，與銀行在企業融資定價中的強勢地位不同，就整個服務業而言，其最終消費價格的遲緩增長與服務業規模的迅速擴張形成了鮮明的對比。
不僅是對下遊定價能力不足，我國服務業還面臨著上遊投入成本超出其它行業的抬升。類比使用「單位勞動力成本」指標(勞動力小時名義工資/小時實際產出)來衡量勞動力成本的變化，我們構建「單位中間品成本」指標(產業的中間品名義投入/產業的實際產出)來衡量上遊中間品投入成本的變化。從2002年至2017年的15年間，我國第三產業的單位中間品投入成本累計增長了約70%，幾乎是第二產業累計增長率的2倍。可見，服務業處於產業鏈的最末端，對於其它上遊行業中間品投入依賴度極大，服務業的成本管理能力也很弱，其價值增加值的創造空間受到上下遊兩個方向的擠壓。
更進一步，將產業的經濟性質和產業定價能力分析相結合，能夠幫助我們更加客觀的看待我國服務業較高的價值增加率。按照價值增加率和勞動力佔比(勞動者報酬/GDP)的相關性，我們可以將經濟產業劃分為高效率帶動就業型產業(價值增加率與勞動力佔比正相關)和低效率帶動就業型產業(價值增加率與勞動力佔比負相關)：前者的勞動者人工替代彈性較低，改善效率的途徑主要來自於技能培訓等方式實現勞動者自身素質的提高，效率改進會提高勞動者報酬佔價值增加值的比例，形成更高的就業吸納能力，第三產業中的教育、醫療、文化娛樂等屬於高效率就業帶動型產業；後者的人工勞動替代彈性較高，提升效率的途徑主要來自於資本投入，效率的改進會降低勞動者報酬佔價值增加值的比例，形成更低的就業吸納能力，因此這些行業擴大就業的過程一般來看也是效率降低的過程，第二產業以及第三產業中的金融、房地產、交運倉儲等都屬於低效率帶動就業型產業。
在上遊成本增長較快、下遊價格轉嫁能力不足的背景下，我國服務業仍然較高的價值增加率實際上是創造並穩定就業的「緩衝墊」，服務業在效率降低的過程中不斷吸納就業，第三產業的就業人口已經接近全部就業的一半，其中很大一部分進入的正是金融、地產等低效率帶動就業型行業。我國傳統金融服務業在新興科技公司挑戰下競爭力不足，也有著為了創造就業、承擔社會責任，而不得不容忍一定程度效率下降的無奈。從這個意義上講，這是金融服務業的高價值增加率從高位逐漸回落的過程，也是其支持實體經濟、緩解社會就業壓力的另一種表現形式。
金融服務業數位化轉型應著力提升就業質量
服務業的本質是人對人的服務，服務業作為生產力發展高級階段才能廣泛發展的產業，也意味著一種更加安全、更加舒適、更有自由度和創造性的工作方式，其從業人員一般也具有更高的教育程度和個人素質，代表著更高的就業質量。在我國經濟的高質量發展階段，高質量的服務就業是一個最具包容性的產業目標。因此，金融服務業的數位化轉型，不應南轅北轍的走向使用機器替代人力、用機器學習替代人腦思考的反面，而是如何運用最新的技術進步去提升人、開發人。衡量金融服務業數位化轉型的成果，不應以信息基礎設施等資本要素投入作為單一指標，更應重點關注勞動者質量、全要素生產率等衡量就業質量的指標變化。
第四次科技革命之所以值得期待，是因為我們看到美國的勞動生產率無論從總量還是結構上確實都因科技而改善。總量上，美國勞動生產率在2016年觸底至0.5%之後，連續三年出現了較快的反彈，2019年達到1.6%；結構上，本輪美國勞動生產率的改善中，全要素生產率和資本投入的貢獻均有所加快，這與美國2000年網際網路泡沫前的資本投入單兵突進並不相同。
我國的全要素生產率也有很大的改進空間。根據美國經濟諮商會計算數據，我國的全要素生產率增速仍在下降，只是增速有所放緩，2015-2019年的平均增速為3.2%，而2010-2014年間為3.8%。如果我國經濟能夠順利的實現轉型升級，參照韓國90年代經驗，我國全要素生產率的提升幅度可以至少達到0.5個百分點，從而實現與美國類似的觸底反彈。
在金融服務業通過提升人而非替代人的方式進行數位化轉型，也是由金融市場的獨特之處所決定的。金融市場中的理性行為和非理性行為同時存在，邏輯式的分析演繹和啟發式的直覺判斷都需要進行運用，2002年諾貝爾經濟學獎得主卡尼曼將人類的決策方式劃分為「慢系統」和「快系統」，數位技術能夠有效彌補人類「慢系統」效率不足的缺陷，但「快系統」的存在仍是人類的獨有優勢：包括金融市場交易在內的人類經濟行為都是高度場景化的，每個決策都並非單一任務的最優化，而在進行多目標權衡時，已有充分研究證明「快系統」的決策質量更高。此外，極端不確定性是金融市場重要特點，單純依靠機器學習進行的模式識別難以應對極端情景，而這類情景下的決策構成了金融市場決策最重要的一部分。例如，羅伯特·戈登在《美國增長的起落》中曾引用了谷歌無人車的例子，它無法處理本應有交通信號燈但卻被交通管理員人口接管的路口，而這樣的不確定性在金融市場中是更加普遍的。因此，在數位化轉型的技術路線上，金融服務業除了可以運用「AI+大數據」增加人均技術資本存量以外，還應考慮更多運用「BI+大數據」的方式增加從業者的決策質量，進而促進全要素生產率的全面提高。
防範技術大規模推廣中的金融系統性風險
金融服務業在享受數位化轉型帶來行業提升的同時，也應重視其中蘊藏的風險。金融服務業是一個追求極致效率的行業。在複雜多變的市場中，比同業更快、更強是每一個金融企業的目標，這也帶來嘗試新技術的動力。然而，即便長期能夠顯著提升生產力的技術，也有其不成熟的階段，可能帶來風險。量化交易藉助電腦算法的力量，充分挖掘信息、尋找稍縱即逝的機會，已經是當今市場上重要的一種交易策略。但在量化交易和配套監管尚處探索階段的1987年，量化交易算法缺陷曾在美國股市的「黑色星期一」中推波助瀾，讓投資者深刻學習到新技術的不確定性。
實際上，新技術的應用與金融市場的動蕩有很強的關聯。人們對新技術應用的不斷挖掘和憧憬所產生的泡沫，常常掩蓋了技術背後的系統性金融風險。
在個別企業採用新的技術時，金融市場只會將技術的成敗計入企業的個體風險。而一旦技術進入大規模推廣階段，整個社會生產模式、資源配置都必須圍繞著新技術的規律進行重構，此時不論是新經濟還是舊經濟，都會被計入更高的預期回報，表現為整個金融市場上的折現率系統性上升。因此，大規模的技術推廣的確定性越高，金融市場反而越容易出現新經濟泡沫的崩潰。以上現象已被以芝加哥大學盧博斯·帕斯特教授為代表的多位學者在理論和實證上進行了嚴格證明，也與金融市場從業者的經驗相吻合。
以正向社會廣泛推廣的關鍵技術個數衡量，可以清晰看到美國過去100年中三輪技術大規模推廣的高峰：20年代的冰箱和電話，60年代電視和空調，以及世紀之交的手機、電腦。而無一例外的是，三輪技術革命即將完成之際，由於技術在全社會中應用的風險不確定性最終超過了大規模應用帶來的經濟價值，這三次技術推廣的完成都伴隨了美國股票市場的估值從高點的墜落。
人們對新技術從狂熱轉變到冷靜，但市場的大幅波動給當時社會發展造成了不良影響。經濟增長離不開金融行業，金融服務業支撐著各行各業，金融服務業在新技術的大規模應用上需要勇氣與謹慎並存。新冠疫情為數字經濟的大規模推廣帶來了更大的確定性，了解這種確定性對風險的雙重含義，應是金融服務業恪守初心、服務實體的應有之義。
即使成功運用了新技術，金融服務業也需要時刻思考對社會的影響。國際貿易專家羅伯特·芬斯特拉曾將貿易全球化與技術進步類比，因兩者生產資源再分配的過程十分相似，即企業將資源分配給單位產出更高的生產單位，從而獲得總效率提升的過程。在國際貿易中，這個過程反映為跨國企業將生產基地從發達地區轉移至人力成本更低的發展中地區；在技術進步中，則表現為高科技企業積極採用低成本的程序化機器替代相對昂貴人工的過程。
全球化的經濟環境下，跨國企業在全球尋求生產成本套利機會，也使得高成本勞動力的發展機會面臨喪失，全球結構性失衡的負外部性不斷累積和發酵。具有不可替代性的勞動力繼續享有工作機會，但低端製造業等崗位流失造成長期失業，最終造成貧富差距拉大和社會風險的上升。
本輪數字經濟的發展應當更加均衡和更具包容性。金融服務業在技術革命的浪潮中，也應兼顧好「追逐明星」和「扶危助弱」的關係，將數字金融和普惠金融有機結合，為社會風險的承擔，以及技術教育、技術培訓等新環境下的「數字社會安全網」的構建投入更多資源，貢獻更多力量。
（文章來源：清華金融評論）