數(shù)字金融與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)
——基于中國商業(yè)銀行的實(shí)證研究

余靜文 吳濱陽

一 引 言

數(shù)字金融泛指傳統(tǒng)金融機(jī)構(gòu)與互聯(lián)網(wǎng)公司利用數(shù)字技術(shù)實(shí)現(xiàn)融資、支付、投資和其他新型金融業(yè)務(wù)模式，數(shù)字金融與金融科技的定義類似，但金融科技更強(qiáng)調(diào)科技屬性。數(shù)字金融兼顧了科技和金融屬性，是信息技術(shù)、數(shù)據(jù)協(xié)作與傳統(tǒng)金融服務(wù)模式相結(jié)合的新一代金融服務(wù)業(yè)態(tài)(黃益平和黃卓，2018)[1]。在傳統(tǒng)金融服務(wù)供給短缺、監(jiān)管環(huán)境相對包容的環(huán)境下，我國數(shù)字金融發(fā)展速度領(lǐng)先世界，也被譽(yù)為本世紀(jì)最重要的金融創(chuàng)新(黃益平和陶坤玉，2019)[2]。信息不對稱使傳統(tǒng)貸款服務(wù)更傾向關(guān)系型、資源型，一方面帶來了無效產(chǎn)出，另一方面導(dǎo)致金融服務(wù)不均衡，影響了社會(huì)公平(Cotugno et al.，2013[3]；Jack和Suri，2014[4];Hollander和Verriest，2016[5])。數(shù)字金融依托大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈技術(shù)創(chuàng)設(shè)了一個(gè)更加包容開放的資金融通環(huán)境，實(shí)現(xiàn)資源的精準(zhǔn)匹配，節(jié)約溝通成本，縮短搜尋時(shí)間，打破地理區(qū)位的制約，有效緩解了信息不對稱問題(Beck et al.，2018)[6]。數(shù)字金融還具有普惠性優(yōu)勢：在傳統(tǒng)金融模式下，中小微企業(yè)或低收入群體等長尾客戶往往由于缺乏抵押物和完善的征信記錄等原因成為融資部門的排斥對象，而數(shù)字金融利用大數(shù)據(jù)能夠?qū)崿F(xiàn)用戶精準(zhǔn)畫像，設(shè)計(jì)最佳融資方案，并做到風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)控，有效緩解金融排斥問題。

商業(yè)銀行作為實(shí)體經(jīng)濟(jì)最大的服務(wù)部門，在勢不可擋的數(shù)字化浪潮下，如何轉(zhuǎn)型求變成為當(dāng)下熱點(diǎn)話題。2019年8月，中國人民銀行印發(fā)《金融科技(FinTech)發(fā)展規(guī)劃(2019-2021年)》，構(gòu)建了面向金融市場主體的金融科技“四梁八柱”的頂層設(shè)計(jì)，明確了金融科技發(fā)展方向和任務(wù)。截至2020年底，我國已經(jīng)有11家商業(yè)銀行成立了金融科技子公司，各大行紛紛加大科技信息人才儲(chǔ)備，四大國有行年度科技支出均超過百億元。同時(shí)受新冠肺炎疫情影響，不少金融機(jī)構(gòu)推出了“無接觸”服務(wù)，線上平臺(tái)活躍用戶數(shù)井噴式增加，線上金融服務(wù)占比顯著提升。例如：建設(shè)銀行推出的“惠懂你”APP，面向中小微企業(yè)等普惠客群提供一站式全流程平臺(tái)信貸服務(wù)，解決了中小微企業(yè)抵押物匱乏問題，還優(yōu)化了信貸業(yè)務(wù)審批流程。平安銀行推出“AI銀行”服務(wù)，實(shí)現(xiàn)了遠(yuǎn)程開戶、實(shí)時(shí)交易、快捷借貸、智能投資。高密農(nóng)商銀行推出信e貸系統(tǒng)，將大數(shù)據(jù)和人工智能運(yùn)用到金融征信中，實(shí)現(xiàn)了小額助農(nóng)貸款線上實(shí)時(shí)辦理，提升了信貸審批效率。

在商業(yè)銀行熱情擁抱數(shù)字金融的同時(shí)，其風(fēng)險(xiǎn)承擔(dān)水平是否也受到數(shù)字金融沖擊的影響？商業(yè)銀行是否會(huì)因?yàn)橹鹄岣唢L(fēng)險(xiǎn)容忍度？這是本文所關(guān)注的問題。已有研究認(rèn)為互聯(lián)網(wǎng)技術(shù)與產(chǎn)業(yè)的深度融合有利于降低交易成本,提升交易效率(曾世宏和劉迎娣，2020)[7]，科技通過提高金融機(jī)構(gòu)的資源配置效率降低了風(fēng)險(xiǎn)集中度(朱太輝和陳璐，2016)[8]。但科技也放大了操作風(fēng)險(xiǎn)和信息安全風(fēng)險(xiǎn)，甚至?xí)怼昂谔禊Z”(趙鷂，2016)[9]。為了進(jìn)一步研究數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響，本文選擇2012-2018年我國84家代表性商業(yè)銀行作為觀測對象，構(gòu)造了一個(gè)包含商業(yè)銀行資產(chǎn)負(fù)債特征情況以及內(nèi)部風(fēng)險(xiǎn)測度值的平衡面板數(shù)據(jù)集，并使用北京大學(xué)數(shù)字普惠金融指數(shù)作為數(shù)字金融的代理變量，檢驗(yàn)數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響方向和大小。

本文研究發(fā)現(xiàn)：(1)數(shù)字金融的發(fā)展對全樣本商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)有顯著降低作用，說明數(shù)字金融有助于緩釋系統(tǒng)性金融風(fēng)險(xiǎn)。(2)數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響具有異質(zhì)性：城商行和農(nóng)村金融機(jī)構(gòu)對數(shù)字金融的反應(yīng)更加敏感，大型股份制銀行和國有行則不太顯著，數(shù)字金融對農(nóng)村金融機(jī)構(gòu)內(nèi)部風(fēng)險(xiǎn)水平的收斂作用最大。(3)數(shù)字普惠金融指數(shù)的子指標(biāo)覆蓋廣度指數(shù)和使用深度指數(shù)對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響最突出，說明數(shù)字金融能夠降低商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的原因是科技與銀行業(yè)務(wù)的結(jié)合更加廣泛深入。(4)使用外生工具變量的結(jié)果穩(wěn)健，印證了Hjort和Poulsen(2019)[10]的觀點(diǎn)：距離通訊基站越近的地區(qū)，數(shù)字金融可得性越高。

本文綜合使用靜態(tài)面板、動(dòng)態(tài)面板GMM、面板工具變量法等多種計(jì)量模型，盡可能削弱潛在的內(nèi)生性問題。已有文獻(xiàn)大多使用互聯(lián)網(wǎng)普及率作為數(shù)字金融的工具變量(謝絢麗等，2018[11]；邱晗等，2018[12])，而本文選擇使用商業(yè)銀行注冊地到光纖干線的距離與全國數(shù)字普惠金融指數(shù)的交互項(xiàng)作為工具變量，該工具變量的外生性和解釋力更強(qiáng)，具有創(chuàng)新性。已有研究大多使用文本挖掘法和因子分析法構(gòu)建數(shù)字金融或金融科技指數(shù)(郭品和沈悅，2015[13]；劉忠璐，2016[14])，其不足在于：文本挖掘法和因子分析法構(gòu)建的指數(shù)是一個(gè)宏觀層面的全國均值，無法刻畫不同地區(qū)數(shù)字金融發(fā)展水平的差異，也無法反映商業(yè)銀行金融科技水平。李春濤等(2020)[15]、李學(xué)峰和楊盼盼(2021)[16]按照“地區(qū)+關(guān)鍵詞”或“銀行名稱+關(guān)鍵詞”進(jìn)行網(wǎng)頁爬蟲，再按照網(wǎng)頁出現(xiàn)頻率來衡量地區(qū)或個(gè)體銀行的金融科技水平。然而網(wǎng)絡(luò)檢索無法剔除無關(guān)和錯(cuò)誤信息，影響了指標(biāo)準(zhǔn)確性。本文選擇北京大學(xué)數(shù)字普惠金融指數(shù)作為數(shù)字金融的代理變量，不僅能夠反映銀行受到的外部互聯(lián)網(wǎng)金融沖擊，還能反映銀行內(nèi)部的金融科技實(shí)力，更加全面、動(dòng)態(tài)地刻畫微觀個(gè)體銀行受到數(shù)字金融影響的程度。本文有關(guān)數(shù)字金融與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的檢驗(yàn)對新時(shí)期下商業(yè)銀行風(fēng)險(xiǎn)管理的提質(zhì)增效、保證金融系統(tǒng)的平穩(wěn)運(yùn)行具有重要意義。

下文內(nèi)容結(jié)構(gòu)為:第二部分是文獻(xiàn)綜述；第三部分是研究設(shè)計(jì)，介紹樣本選取、數(shù)據(jù)來源以及模型設(shè)定；第四部分是實(shí)證結(jié)果與分析，包含基準(zhǔn)回歸、異質(zhì)性檢驗(yàn)、穩(wěn)健性檢驗(yàn)結(jié)果；第五部分是結(jié)論和建議。

二 文獻(xiàn)綜述

與本文研究主題相關(guān)的文獻(xiàn)主要集中在兩個(gè)層面：一是商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)；二是數(shù)字金融對商業(yè)銀行的影響。

(一)商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)

商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)(Risk-taking)是指商業(yè)銀行承擔(dān)的全部經(jīng)營風(fēng)險(xiǎn)大小,商業(yè)銀行應(yīng)追求最優(yōu)風(fēng)險(xiǎn)承擔(dān)，風(fēng)險(xiǎn)承擔(dān)過度不利于穩(wěn)健經(jīng)營，風(fēng)險(xiǎn)承擔(dān)不足意味著商業(yè)銀行未能充分利用資源開展業(yè)務(wù)，影響盈利(Boyd和Nicolo，2005)[17]。

影響商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的核心因素是商業(yè)銀行的資產(chǎn)負(fù)債特征，包括：流動(dòng)性、盈利能力、規(guī)模、運(yùn)營能力等(Dell′Ariccia和Marquez，2010)[18]。商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)還受到宏觀貨幣政策、監(jiān)管環(huán)境、行業(yè)競爭度等外部變量的影響。一般認(rèn)為，寬松的貨幣政策下，銀行會(huì)主動(dòng)提高杠桿率，擴(kuò)大資產(chǎn)負(fù)債表，導(dǎo)致經(jīng)營風(fēng)險(xiǎn)上升(Altunbas et al.，2010)[19]。但也有學(xué)者認(rèn)為商業(yè)銀行對貨幣政策的反饋具有異質(zhì)性且傳導(dǎo)機(jī)制復(fù)雜，例如：方意等(2012)[20]認(rèn)為對于資本充足率高的銀行,貨幣政策與風(fēng)險(xiǎn)承擔(dān)為負(fù)向關(guān)系，隨著資本充足率下降負(fù)向關(guān)系會(huì)逐步減弱；張雪蘭和何德旭(2012)[21]認(rèn)為貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)的關(guān)聯(lián)是動(dòng)態(tài)的，貨幣政策通過銀行業(yè)結(jié)構(gòu)、銀行資產(chǎn)負(fù)債表等中間變量來影響銀行風(fēng)險(xiǎn)承擔(dān)。銀行業(yè)結(jié)構(gòu)和競爭環(huán)境也影響了商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)，Berger et al.(2009)[22]認(rèn)為銀行在強(qiáng)競爭環(huán)境下會(huì)設(shè)法繞開監(jiān)管來提升市場占有率，導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生概率增大。但市場競爭也會(huì)提高銀行的經(jīng)營管理能力，從而降低那些經(jīng)營能力強(qiáng)的銀行的風(fēng)險(xiǎn)。周曄和梁利梅(2020)[23]認(rèn)為行業(yè)競爭程度上升帶來的轉(zhuǎn)移效應(yīng)(Risk-shifting Effect)和盈余效應(yīng)(Margin Effect)的凈效應(yīng)致使行業(yè)環(huán)境與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)存在倒U型非線性關(guān)系。

(二)數(shù)字金融對商業(yè)銀行的影響

近年來，不少文獻(xiàn)圍繞互聯(lián)網(wǎng)金融、金融科技、數(shù)字金融對商業(yè)銀行的資產(chǎn)負(fù)債、盈利水平、戰(zhàn)略規(guī)劃、風(fēng)險(xiǎn)承擔(dān)等內(nèi)部特征的影響展開研究(1)由于數(shù)字金融的概念在2018年才被正式確定，在此之前的文獻(xiàn)一般將數(shù)字金融等價(jià)于互聯(lián)網(wǎng)金融或金融科技，因此本部分未區(qū)分?jǐn)?shù)字金融與互聯(lián)網(wǎng)金融、金融科技。。鄭志來(2015)[24]認(rèn)為互聯(lián)網(wǎng)金融可能導(dǎo)致商業(yè)銀行的負(fù)債業(yè)務(wù)分流、中間業(yè)務(wù)壓縮、資產(chǎn)業(yè)務(wù)擠出?；ヂ?lián)網(wǎng)金融的技術(shù)溢出效應(yīng)顯著提升我國商業(yè)銀行的全要素生產(chǎn)率(沈悅和郭品，2015)[25]。謝治春等(2018)[26]發(fā)現(xiàn)在金融科技的沖擊下，商業(yè)銀行的戰(zhàn)略選擇具有異質(zhì)性，大中型銀行會(huì)選擇向閉環(huán)生態(tài)型或開放生態(tài)型銀行發(fā)展，而小型銀行會(huì)專注細(xì)分市場領(lǐng)域，走垂直分工路徑。戰(zhàn)明華等(2020)[27]發(fā)現(xiàn)，商業(yè)銀行會(huì)通過提高理財(cái)產(chǎn)品在負(fù)債中的占比來應(yīng)對緊縮的貨幣政策,數(shù)字金融削弱了緊縮性貨幣政策的貸款收縮功效。從國外研究看，Delong和Deyoung(2007)[28]通過比較1999-2001年美國采用了先進(jìn)技術(shù)的商業(yè)銀行和未采用的銀行財(cái)務(wù)報(bào)表，發(fā)現(xiàn)那些使用了金融科技的銀行獲得了超額收益，其原因在于負(fù)債端利息成本降低、資產(chǎn)端高收益資產(chǎn)占比提升。Duarte et al.(2012)[29]認(rèn)為，數(shù)字金融是一種金融溢出，重塑了傳統(tǒng)金融信用定價(jià)方式。Jagtiani和Lemieux(2018)[30]認(rèn)為互聯(lián)網(wǎng)金融產(chǎn)品的用戶群體大多遭受了傳統(tǒng)正規(guī)融資部門的排斥，因此數(shù)字金融與商業(yè)銀行形成了互補(bǔ)關(guān)系，短期內(nèi)互聯(lián)網(wǎng)金融僅向金融服務(wù)供給不足的領(lǐng)域滲透，不會(huì)對大型商業(yè)銀行產(chǎn)生顯著影響。

有關(guān)數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響，郭品和沈悅(2015)[13]以2003-2013年我國36家商業(yè)銀行為樣本，最早研究了互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響，發(fā)現(xiàn)互聯(lián)網(wǎng)金融與商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)為U型關(guān)系。早期，商業(yè)銀行能夠利用金融科技節(jié)省費(fèi)用成本從而降低風(fēng)險(xiǎn)，而中后期隨著資金價(jià)格的抬升，商業(yè)銀行面臨的風(fēng)險(xiǎn)加大。Arnold和Ewijk (2011)[31]認(rèn)為金融科技的使用使商業(yè)銀行負(fù)債端資金成本下降，商業(yè)銀行會(huì)根據(jù)自身利益擴(kuò)表，導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)上升。邱晗等(2018)[12]發(fā)現(xiàn)，盡管數(shù)字金融的發(fā)展促使借貸利率市場化，并改變了銀行的負(fù)債結(jié)構(gòu)，商業(yè)銀行加大了對同業(yè)拆借資金的依賴度，資金端風(fēng)險(xiǎn)資產(chǎn)占比上升，但規(guī)模變動(dòng)不大且不會(huì)抬高企業(yè)融資價(jià)格。這說明，在我國當(dāng)前監(jiān)管環(huán)境下，數(shù)字金融對商業(yè)銀行擴(kuò)表的驅(qū)動(dòng)作用不太顯著。劉忠璐(2016)[14]認(rèn)為，互聯(lián)網(wǎng)金融能夠幫助銀行業(yè)提高運(yùn)營能力和風(fēng)險(xiǎn)識(shí)別能力，降低行業(yè)系統(tǒng)性風(fēng)險(xiǎn)。Berg et al.(2019)[32]同樣指出，大數(shù)據(jù)的運(yùn)用顯著緩解了融資主體和資金部門之間的信息不對稱、逆向選擇和道德風(fēng)險(xiǎn)問題，能夠精準(zhǔn)匹配風(fēng)險(xiǎn)缺口和資金缺口，從而降低融資部門風(fēng)險(xiǎn)承擔(dān)。Cheng和Qu(2020)[33]也認(rèn)為金融科技能夠精準(zhǔn)識(shí)別客戶的借貸動(dòng)機(jī)和潛在風(fēng)險(xiǎn)，通過溢出效應(yīng)降低了信貸風(fēng)險(xiǎn)。商業(yè)銀行的行為決策受到監(jiān)管要求和自身財(cái)務(wù)狀況的影響，在面對行業(yè)數(shù)字化變革時(shí)，商業(yè)銀行的反應(yīng)可能不同步。顧海峰和楊立翔(2018)[34]發(fā)現(xiàn)，互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響具有門限效應(yīng)，資本充足率越高的銀行數(shù)字化轉(zhuǎn)型節(jié)奏更快。郭品和沈悅(2019)[35]認(rèn)為，面對互聯(lián)網(wǎng)金融的競爭，相對于國有大行，非國有的中小行面臨客戶存款損失較多的壓力，負(fù)債成本上升，經(jīng)營風(fēng)險(xiǎn)加劇。一方面，已有研究大多認(rèn)為數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響渠道是市場資金價(jià)格或利率，缺乏對商業(yè)銀行內(nèi)部渠道的關(guān)注。另一方面，已有研究主要聚焦于上市銀行和大型銀行，較少涉及中小銀行尤其是農(nóng)村金融機(jī)構(gòu)。有關(guān)數(shù)字金融是否有利于化解系統(tǒng)性風(fēng)險(xiǎn)的問題還存在爭論。本文將借助我國代表性國有行、股份行、城商行、農(nóng)村金融機(jī)構(gòu)的微觀數(shù)據(jù)，拓展上述兩方面的研究。

綜上所述，數(shù)字金融的發(fā)展顛覆了傳統(tǒng)金融生態(tài)，使金融與科技的邊界日益模糊，商業(yè)銀行能夠充分使用這種技術(shù)外溢來提高內(nèi)部的運(yùn)作效率和風(fēng)險(xiǎn)管理能力。科技通過向金融領(lǐng)域的不斷滲透、通過與銀行業(yè)務(wù)的深入結(jié)合促使商業(yè)銀行風(fēng)險(xiǎn)管理能力的提高，例如：在科技賦能下，商業(yè)銀行通過事前智能核查、精準(zhǔn)畫像剔除了高風(fēng)險(xiǎn)客戶，通過事中事后監(jiān)督、資金鏈全方位監(jiān)控形成了風(fēng)險(xiǎn)管理閉環(huán)。考慮到影響風(fēng)險(xiǎn)承擔(dān)的核心因素是商業(yè)銀行的資產(chǎn)負(fù)債特征，數(shù)字金融對商業(yè)銀行的影響可能具有異質(zhì)性。大型銀行的經(jīng)營風(fēng)格以穩(wěn)健為主，風(fēng)控制度成熟，客群穩(wěn)定質(zhì)優(yōu)，因此面對數(shù)字金融的浪潮，大型銀行的舉動(dòng)相對更加審慎?；诖?，本文提出以下假設(shè)：

H1：數(shù)字金融有助于降低商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平，收斂銀行業(yè)系統(tǒng)風(fēng)險(xiǎn)。

H2：數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響具有異質(zhì)性。

三 研究設(shè)計(jì)

(一)樣本與數(shù)據(jù)來源

截至2021年1月，國泰安銀行數(shù)據(jù)庫中共記錄了463家中資商業(yè)銀行的詳細(xì)注冊信息，包括：5家大型國有行(即“中農(nóng)工建交”)、13家股份制商業(yè)銀行(含中國郵政儲(chǔ)蓄銀行)、168家城商行、200家農(nóng)商行、24家農(nóng)合行、34家農(nóng)信社以及19家村鎮(zhèn)銀行。本文選擇2012-2018年作為觀測期，采取以下步驟進(jìn)行樣本篩選：首先剔除觀測期內(nèi)發(fā)生過大型并購重組、經(jīng)營異常、終止存續(xù)的商業(yè)銀行，確保觀測期內(nèi)財(cái)務(wù)數(shù)據(jù)平穩(wěn)。然后根據(jù)銀行代碼將個(gè)體銀行的年末資產(chǎn)負(fù)債表、利潤表、貸款信息、財(cái)務(wù)指標(biāo)進(jìn)行匹配。若某年度某家農(nóng)商行(含農(nóng)合行和農(nóng)信社)設(shè)立了異地子公司，本文僅使用母行的報(bào)表數(shù)據(jù)進(jìn)行分析(按照我國“農(nóng)商行業(yè)務(wù)不跨縣(區(qū))”(2)原文見《中國銀保監(jiān)會(huì)辦公廳關(guān)于推進(jìn)農(nóng)村商業(yè)銀行堅(jiān)守定位 強(qiáng)化治理 提升金融服務(wù)能力的意見》(銀監(jiān)會(huì)銀保監(jiān)辦發(fā)〔2019〕5號)http://www.cbirc.gov.cn/cn/view/pages。的要求，本文僅考慮農(nóng)商行母公司主體受到數(shù)字金融的影響)。最后得到了一個(gè)包含84家商業(yè)銀行2012-2018年7年期微觀數(shù)據(jù)的平衡面板數(shù)據(jù)集，其中有5大國有行、10家大型股份制銀行、47家城商行、15家農(nóng)商行、5家農(nóng)合行和2家農(nóng)信社。若按2018年末數(shù)據(jù)計(jì)算，這84家代表性商業(yè)銀行的資產(chǎn)規(guī)模之和占我國銀行業(yè)資產(chǎn)總額的74%左右，能夠反映我國銀行業(yè)的整體情況。

本文有關(guān)銀行層面的財(cái)務(wù)數(shù)據(jù)均來自國泰安銀行數(shù)據(jù)庫，少量缺失值通過查找銀行年報(bào)或wind數(shù)據(jù)庫獲取。數(shù)字金融指數(shù)來自北京大學(xué)數(shù)字金融研究中心和螞蟻金服集團(tuán)聯(lián)合發(fā)布的“北京大學(xué)數(shù)字普惠金融指數(shù)”，可從北京大學(xué)數(shù)字金融研究中心官網(wǎng)(3)北京大學(xué)數(shù)字金融研究中心官網(wǎng)：https://idf.pku.edu.cn/yjcg/zsbg/index.htm。獲取。行業(yè)層面的赫芬達(dá)爾指數(shù)利用了銀保監(jiān)會(huì)網(wǎng)站公布的銀行許可證信息，由作者手工計(jì)算得到。全國、省級、地級市層面的數(shù)據(jù)來自CEIC中國經(jīng)濟(jì)數(shù)據(jù)庫或歷年《中國城市統(tǒng)計(jì)年鑒》。

(二)變量定義

1.被解釋變量：商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)

國泰安數(shù)據(jù)庫提供了豐富的有關(guān)銀行貸款質(zhì)量指標(biāo)的數(shù)據(jù)，包括：不良貸款率、撥備覆蓋率、單一最大客戶貸款比率等。不良貸款率越高，銀行承擔(dān)的風(fēng)險(xiǎn)越大。撥備覆蓋率越高，說明銀行抵御呆壞賬的能力越高，風(fēng)險(xiǎn)承擔(dān)越小。而單一最大客戶貸款比率反映風(fēng)險(xiǎn)集中度。一般而言，風(fēng)險(xiǎn)越集中意味著銀行風(fēng)險(xiǎn)承擔(dān)越大。

綜上所述，本文選擇Z值衡量商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)，在穩(wěn)健性檢驗(yàn)中，使用不良貸款率、撥備覆蓋率、單一最大客戶貸款比率作為因變量來輔助檢驗(yàn)。

2.核心解釋變量：數(shù)字金融

本文參考邱晗等(2018)[12]的研究，使用北京大學(xué)數(shù)字普惠金融指數(shù)(簡稱“數(shù)字金融指數(shù)”)衡量商業(yè)銀行數(shù)字金融程度(Digfin)。該指標(biāo)不僅能夠反映銀行受到的外部互聯(lián)網(wǎng)金融沖擊，還能反映銀行內(nèi)部的金融科技實(shí)力。原因有二：一是競爭倒逼。數(shù)字金融指數(shù)較高的地區(qū)，互聯(lián)網(wǎng)金融發(fā)達(dá)，形成了對商業(yè)銀行強(qiáng)有力的競爭，倒逼商業(yè)銀行提高金融科技能力。沈悅和郭品(2015)[25]發(fā)現(xiàn)，互聯(lián)網(wǎng)金融有顯著的溢出效應(yīng)，股份制銀行受到?jīng)_擊最大，因此吸收能力最強(qiáng)。楊望等(2020)[38]發(fā)現(xiàn),金融科技通過技術(shù)溢出和市場競爭驅(qū)動(dòng)商業(yè)銀行戰(zhàn)略轉(zhuǎn)型，顯著提升了商業(yè)銀行的效率。金融科技對股份制銀行和位于東部地區(qū)銀行的全要素生產(chǎn)率影響更顯著，與金融科技結(jié)合程度深的銀行,更容易吸收金融科技的影響來提升全要素生產(chǎn)率。二是合作助推。目前大部分銀行還是用采購和外包的形式購買科技產(chǎn)品和服務(wù)，數(shù)字金融發(fā)達(dá)的地區(qū)，銀行與金融科技企業(yè)合作更加頻繁，金融科技能力越強(qiáng)。謝治春等(2018)[26]認(rèn)為在成本收入的考量下，地方性銀行會(huì)更多選擇與外界科技企業(yè)合作來尋求金融科技水平的提升，大型銀行更傾向于內(nèi)部研發(fā)、自造生態(tài)。2020年，26家代表性上市銀行的金融科技投入與該銀行注冊地的數(shù)字金融水平呈現(xiàn)正相關(guān)，可證實(shí)上述機(jī)制(4)限于篇幅，省略了此處實(shí)證過程，如有需要可向作者索取。。目前，2011-2020年的省級和地市級數(shù)字普惠金融指數(shù)已發(fā)布，該指數(shù)包括覆蓋廣度、使用深度和數(shù)字化程度3個(gè)一級維度以及11個(gè)二級維度，涵蓋了支付、投資、保險(xiǎn)、借貸等多個(gè)方面(5)數(shù)字普惠金融指數(shù)具體指標(biāo)體系可參閱郭峰等(2020)[39]的研究。。數(shù)字普惠金融指數(shù)越高，說明該地區(qū)數(shù)字金融越發(fā)達(dá)(郭峰等，2020)[39]。

數(shù)字普惠金融的發(fā)展與區(qū)域經(jīng)濟(jì)基本面有關(guān)，為了解決潛在的內(nèi)生性問題。本文還選擇商業(yè)銀行注冊地到光纖干線的距離與全國數(shù)字普惠金融指數(shù)的交互項(xiàng)作為各個(gè)城市數(shù)字普惠金融指數(shù)的工具變量，記為Digfin_iv。便捷的數(shù)字普惠金融服務(wù)依賴于快速穩(wěn)定的互聯(lián)網(wǎng)信號，因此該工具變量滿足相關(guān)性要求。同時(shí)，光纖干線網(wǎng)絡(luò)(又稱為“八縱八橫”(6)八條縱向光纜干線為牡丹江-上海-廣州、齊齊哈爾-北京-三亞、呼和浩特-太原-北海、哈爾濱-天津-上海、北京-九江-廣州、呼和浩特-西安-昆明、蘭州-西寧-拉薩、蘭州-貴陽-南寧；八條橫向光纜干線為天津-呼和浩特-蘭州、青島-石家莊-銀川、上海-南京-西安、連云港-烏魯木齊-伊林、上海-武漢-重慶-成都、杭州-長沙-成都、上海-廣州-昆明、廣州-南寧-昆明。)的建設(shè)由國家發(fā)展改革委(原國家計(jì)劃委員會(huì))和工信部(原郵電部)于1986-2000年發(fā)起建立，覆蓋了全國省會(huì)以上城市和90%地市，其鋪設(shè)依據(jù)是地理特征，不太可能通過其他渠道對商業(yè)銀行的行為產(chǎn)生影響，也和其他宏觀經(jīng)濟(jì)變量沒有太多系統(tǒng)性關(guān)聯(lián)，因此該外生工具變量亦滿足排他性要求。已有文獻(xiàn)指出，距離通訊基站越近的地區(qū)，數(shù)字金融可得性越高(Hjort和Poulsen，2019)[10]。商業(yè)銀行注冊地一般也是其數(shù)據(jù)中心總部，數(shù)據(jù)中心與光纖通信干線網(wǎng)絡(luò)的距離越近，網(wǎng)絡(luò)信號質(zhì)量越好、網(wǎng)速更快，更有利于商業(yè)銀行加大數(shù)字化建設(shè)，提升數(shù)字金融服務(wù)水平。綜上所述，該交互項(xiàng)的數(shù)值越小，說明該行享受的數(shù)字金融紅利越多。

3.控制變量

(1)個(gè)體層面

本文從個(gè)體層面控制了我國商業(yè)銀行的財(cái)務(wù)特征，個(gè)體層面的控制變量包括：貸存比(Ltd)、凈資產(chǎn)收益率(Roe)、總資產(chǎn)周轉(zhuǎn)率(Tat)、總資產(chǎn)規(guī)模的對數(shù)(lnsize)。貸存比衡量了商業(yè)銀行的流動(dòng)性管理水平，不考慮其他因素下，貸存比越高，銀行流動(dòng)風(fēng)險(xiǎn)越大。已有文獻(xiàn)指出，流動(dòng)性風(fēng)險(xiǎn)與商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)為正相關(guān)，總資產(chǎn)周轉(zhuǎn)率衡量了商業(yè)銀行的經(jīng)營效率，影響商業(yè)銀行的整體風(fēng)險(xiǎn)(Dell′Ariccia和Marquez，2010)[18]。凈資產(chǎn)收益率(Roe)反映了商業(yè)銀行的盈利能力，盈利能力與銀行的風(fēng)險(xiǎn)承擔(dān)存在正相關(guān)關(guān)系，銀行的超額收益越高，意味著承擔(dān)的風(fēng)險(xiǎn)越高(徐明東和陳學(xué)彬，2012)[40]。總資產(chǎn)規(guī)模也會(huì)影響商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)。根據(jù)“大而不倒”理論，商業(yè)銀行規(guī)模越大，抵御風(fēng)險(xiǎn)能力越強(qiáng)，風(fēng)險(xiǎn)承擔(dān)越低(代軍勛和陶春喜，2016)[41]。為了增強(qiáng)系數(shù)的解釋力，本文將資產(chǎn)規(guī)模取對處理。

與劉忠璐(2016)[14]的研究不同，本文未控制資本充足率。理由在于：首先，從資本充足率的定義來看，資本充足率等于銀行的資本總額與銀行加權(quán)風(fēng)險(xiǎn)資產(chǎn)之比，本身就是一種反映銀行風(fēng)險(xiǎn)的事前度量手段，不應(yīng)視為解釋變量；其次，已有文獻(xiàn)對于資本充足率是否是銀行風(fēng)險(xiǎn)承擔(dān)來源的看法不一(張雪蘭和何德旭，2012[21]；王晉斌和李博，2017[42])；最后，由于數(shù)據(jù)可得性問題，本文所選取的樣本銀行風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)缺失嚴(yán)重，如果使用統(tǒng)一的系數(shù)手工計(jì)算每家銀行的風(fēng)險(xiǎn)加權(quán)資產(chǎn)難免會(huì)導(dǎo)致數(shù)據(jù)失真。

(2)行業(yè)層面

本文控制了樣本銀行展業(yè)地區(qū)的銀行業(yè)集中度，其代理變量是銀行業(yè)赫芬達(dá)爾指數(shù)(HHI)。該指標(biāo)越大，表明銀行業(yè)壟斷程度越大，競爭越?。辉撝笜?biāo)越小，表明銀行業(yè)競爭程度越大。衡量銀行業(yè)競爭度的指標(biāo)有Lerner指數(shù)、Boone指數(shù)等微觀內(nèi)部指數(shù)以及赫芬達(dá)爾指數(shù)、集中度指數(shù)等宏觀外部結(jié)構(gòu)性指數(shù)。微觀內(nèi)部指數(shù)的計(jì)算需要預(yù)先知道銀行的邊際成本，顯然無法獲得。而集中度指數(shù)(CR)反映的是頭部銀行的資產(chǎn)占比，在反映銀行業(yè)整體結(jié)構(gòu)上不如赫芬達(dá)爾指數(shù)精確。Chong et al.(2013)[43]、蔡競和董艷(2016)[44]均使用赫芬達(dá)爾指數(shù)來衡量銀行業(yè)競爭程度，具體計(jì)算方法如下：

(1)

HHI表示城市m的銀行業(yè)赫芬達(dá)爾指數(shù)，下標(biāo)m表示城市，n表示銀行，Nm表示m市全部商業(yè)銀行的數(shù)量，branchnm表示m市的n銀行所有分支機(jī)構(gòu)數(shù)量。銀行集中度是銀行業(yè)市場結(jié)構(gòu)指標(biāo)。銀行業(yè)競爭度越高，可能會(huì)影響金融機(jī)構(gòu)的效率和效益，從而增加其風(fēng)險(xiǎn)承擔(dān)(Maddaloni和Peydro，2011[45];郭品和沈悅，2015[13])。本文利用銀保監(jiān)會(huì)網(wǎng)站的銀行許可證信息，計(jì)算得到全國地級市的銀行業(yè)赫芬達(dá)爾指數(shù)。

(3)宏觀層面

本文還控制了其他在宏觀層面可能會(huì)對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)產(chǎn)生影響的變量，分別是：人均GDP(Pgdp)、金融發(fā)展程度(Findep)以及互聯(lián)網(wǎng)使用率(Internet),具體定義見表1。

表1介紹了本文所涉及的全部變量，表2是樣本的描述性統(tǒng)計(jì)(7)本文還分別對國有行、大型股份制銀行、城商行、農(nóng)商行、農(nóng)合行和農(nóng)信社進(jìn)行了分組描述性統(tǒng)計(jì)，限于篇幅未列出，如有需要可向作者索取。。從整體上看，2012-2018年，樣本銀行的Z值均值為4.208，而徐明東和陳學(xué)彬(2012)[40]使用1998-2010年數(shù)據(jù)測算的我國大小商業(yè)銀行的平均Z值為3.04(8)徐明東和陳學(xué)彬(2012)[40]計(jì)算的樣本Z值均值為0.048，按照本文Z值定義式進(jìn)行轉(zhuǎn)換后約為3.04。，宋科和李振(2019)[46]使用2004-2016年數(shù)據(jù)計(jì)算我國233家商業(yè)銀行的平均Z值為3.29。這說明2012年以來，我國商業(yè)銀行整體抗風(fēng)險(xiǎn)能力明顯提升。國有行的Z值最高，達(dá)4.891，大型股份制銀行次之，農(nóng)信社最低，僅為3.915，同時(shí)農(nóng)信社的不良貸款率也最高，達(dá)1.834%，這說明農(nóng)信社的經(jīng)營風(fēng)險(xiǎn)問題仍較為突出。觀察數(shù)字普惠金融指數(shù)的分布，2012-2018年，我國地級市層面數(shù)字普惠金融指數(shù)的年復(fù)合增長率達(dá)14%，2018年全國均值高達(dá)300.12，說明我國數(shù)字金融發(fā)展迅猛。同時(shí)，數(shù)字普惠金融指數(shù)的極差較大，這反映了數(shù)字金融的發(fā)展存在空間不均衡。

表1 變量定義和設(shè)計(jì)

(續(xù)上表)

表2 樣本的描述性統(tǒng)計(jì)

(三)模型設(shè)定

商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)水平不僅受到當(dāng)期數(shù)字金融發(fā)展水平、銀行個(gè)體特征、行業(yè)競爭程度和其他社會(huì)經(jīng)濟(jì)變量的影響，還可能受到以前年度存量風(fēng)險(xiǎn)水平的影響。如果忽略滯后變量的存在，可能會(huì)導(dǎo)致模型內(nèi)生性問題。因此，有必要建立一個(gè)動(dòng)態(tài)面板模型(AR(2))并使用GMM(廣義矩估計(jì))方法來克服潛在內(nèi)生性(Arellano和Bond,1991)[47]，由于時(shí)間維度小于橫截面維度，此模型屬于短動(dòng)態(tài)面板。本文設(shè)立的基準(zhǔn)回歸模型如下：

(2)

其中i=1,2,3...84，表示銀行，t表示年份，p表示滯后階數(shù)，c代表銀行注冊地區(qū)?？紤]到全國性銀行經(jīng)營覆蓋全國，區(qū)域性銀行的經(jīng)營輻射周邊城市，農(nóng)商行(含農(nóng)信社)和村鎮(zhèn)銀行嚴(yán)格受制于“屬地經(jīng)營”的監(jiān)管約束，因此在控制城市層面變量時(shí)，本文與徐明東和陳學(xué)彬(2012)[40]做法一致：全國性銀行則使用全國均值，大規(guī)模省級城商行(例如湖北銀行、杭州銀行、寧波銀行等省級城商行的分支機(jī)構(gòu)觸達(dá)省內(nèi)各縣市)則使用該銀行所在省的數(shù)據(jù)，農(nóng)商行、農(nóng)信社或村鎮(zhèn)銀行則使用該行注冊地所在地級市的數(shù)據(jù)。Bankjit反映的是t年銀行個(gè)體i的特征變量，HHIct反映的是第t年區(qū)域c的銀行業(yè)集中度，Cityjct反映的是第t年區(qū)域c的特征變量。μi是銀行的固定效應(yīng)，εit是隨機(jī)誤差項(xiàng)。

四 實(shí)證結(jié)果分析

(一)數(shù)字普惠金融與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)

本文首先對數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。對于強(qiáng)平衡短面板，一般采用HT檢驗(yàn)法(Harris和Tzavalis,1999)[48]，本文對被解釋變量Risk、核心解釋變量Digfin以及控制變量進(jìn)行HT檢驗(yàn)，區(qū)分無確定項(xiàng)、僅存在個(gè)體固定效應(yīng)項(xiàng)及存在線性時(shí)間趨勢項(xiàng)三種情形。考慮到HT檢驗(yàn)忽略了同期截面相關(guān)，本文通過加入demean選項(xiàng)來緩解截面相關(guān)可能對單位根檢驗(yàn)有效性的影響(9)限于篇幅，HT檢驗(yàn)結(jié)果未列出，如有需要可向作者索取。。除無確定項(xiàng)情形外，所有變量p值均小于0.05，能夠拒絕原假設(shè)H0：ρ=1(所有個(gè)體均為非平穩(wěn)序列)，說明面板平穩(wěn)?？紤]到本文時(shí)期較短，“偽回歸”不是本文關(guān)注的問題。

表3 數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響(回歸結(jié)果1)

表4 數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響(回歸結(jié)果2)

(續(xù)上表)

表3列(1)-列(3)為混合回歸結(jié)果，其中列(1)為不含滯后被解釋變量的基準(zhǔn)回歸，列(2)引入了一階滯后被解釋變量，列(3)進(jìn)一步引入二階滯后被解釋變量。列(4)、 列(5)為隨機(jī)效應(yīng)模型結(jié)果，列(6)、 列(7)為固定效應(yīng)模型結(jié)果。被解釋變量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的一階滯后值、二階滯后值與其當(dāng)期值均顯著相關(guān)，說明模型引入滯后項(xiàng)能夠增加解釋力度。觀察發(fā)現(xiàn)，當(dāng)模型中不含滯后項(xiàng)時(shí)(即列(1)、列(4)和列(6))，數(shù)字金融指數(shù)的系數(shù)符號為負(fù)數(shù)但不顯著。加入滯后項(xiàng)后，數(shù)字金融的系數(shù)符號為正，且在1%水平上顯著，其原因在于不含滯后項(xiàng)的回歸模型未識(shí)別存量風(fēng)險(xiǎn)因素對當(dāng)期風(fēng)險(xiǎn)承擔(dān)的影響。已有研究顯示，商業(yè)銀行當(dāng)期的風(fēng)險(xiǎn)承擔(dān)受到以前年度風(fēng)險(xiǎn)水平的影響(陳超等，2015)[50]，一般而言，當(dāng)銀行覺察到內(nèi)部風(fēng)險(xiǎn)水平過高時(shí)，會(huì)主動(dòng)采取措施降低風(fēng)險(xiǎn)，而內(nèi)部風(fēng)險(xiǎn)往往需要較長時(shí)間緩釋，意味著內(nèi)部風(fēng)險(xiǎn)調(diào)整短期不會(huì)改變商業(yè)銀行的風(fēng)險(xiǎn)水平，但會(huì)明顯扭轉(zhuǎn)未來期(尤其是后年)的風(fēng)險(xiǎn)水平，因此回歸模型必須通過納入二階滯后被解釋變量來剔除存量風(fēng)險(xiǎn)的影響。當(dāng)對含滯后項(xiàng)的數(shù)據(jù)進(jìn)行上述三類回歸時(shí)，LM檢驗(yàn)p值為0.0031，Hausman檢驗(yàn)p值為0，說明固定效應(yīng)模型的結(jié)果更加可靠。列(7)中數(shù)字金融的估計(jì)系數(shù)為0.0150，在1%水平上顯著，表明數(shù)字金融的發(fā)展有利于提高銀行的Z值，降低了商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)。

表4列(1)-列(3)顯示了差分GMM估計(jì)結(jié)果，列(4)-列(6)顯示了系統(tǒng)GMM估計(jì)結(jié)果。其中列(1)、 列(4)假設(shè)模型不存在內(nèi)生變量，列(2)、 列(5)假設(shè)數(shù)字金融Digfin為內(nèi)生變量，列(3)、 列(6)假設(shè)銀行層面的所有變量均內(nèi)生。GMM式工具變量均使用了Risk的2-4階滯后以及解釋變量Digfin、Ltd、Roe、Tat、lnsize以及HHI的2-3階滯后項(xiàng)。差分GMM和系統(tǒng)GMM的使用前提是：原模型的擾動(dòng)項(xiàng)不存在自相關(guān)，等價(jià)于差分(或系統(tǒng))模型擾動(dòng)項(xiàng)存在一階自相關(guān)，二階無自相關(guān)。因此對上述擾動(dòng)項(xiàng)進(jìn)行AR(1)、AR(2)檢驗(yàn)，并提出H0:差分(或系統(tǒng))模型的擾動(dòng)項(xiàng)不存在自相關(guān)。檢驗(yàn)結(jié)果顯示一階檢驗(yàn)p值拒絕H0,二階檢驗(yàn)不拒絕H0。這說明差分模型擾動(dòng)項(xiàng)存在一階自相關(guān)，但不存在二階和高階自相關(guān)，本文選用的差分GMM以及系統(tǒng)GMM是合理的。此外，Hansen過度識(shí)別檢驗(yàn)也十分穩(wěn)健，說明選用的工具變量基本合理。

表4回歸結(jié)果顯示，數(shù)字金融能夠顯著促進(jìn)商業(yè)銀行Z值的提升，進(jìn)一步說明了隨著數(shù)字金融的發(fā)展，商業(yè)銀行的風(fēng)險(xiǎn)管理能力提升，風(fēng)險(xiǎn)承擔(dān)下降。結(jié)合表3和表4的基準(zhǔn)回歸結(jié)果發(fā)現(xiàn)：商業(yè)銀行的盈利能力、規(guī)模的系數(shù)均顯著為正，意味著商業(yè)銀行的規(guī)模越大，商業(yè)銀行的Z值越高，風(fēng)險(xiǎn)承擔(dān)越小，印證了“大而不倒”理論(江曙霞和陳玉蟬，2012)[51]。商業(yè)銀行的盈利能力和風(fēng)險(xiǎn)承擔(dān)負(fù)相關(guān)，盈利能力越強(qiáng)的商業(yè)銀行，破產(chǎn)的概率越低。銀行業(yè)集中度(HHI)越低，說明銀行業(yè)競爭越激烈，而HHI與商業(yè)銀行的Z值負(fù)相關(guān)，且在10%水平上顯著(使用差分GMM)，這說明銀行業(yè)競爭越激烈，Z值越高，商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)越低，市場化的競爭環(huán)境能夠降低商業(yè)銀行的經(jīng)營風(fēng)險(xiǎn)。姚樹潔等(2011)[52]認(rèn)為，外資行的進(jìn)入給內(nèi)資行帶來了成熟的風(fēng)險(xiǎn)管理經(jīng)驗(yàn)，銀行業(yè)競爭加大也會(huì)促使內(nèi)資行主動(dòng)降低風(fēng)險(xiǎn)水平。本文回歸結(jié)果印證了這一點(diǎn)。

(二)數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的異質(zhì)性影響

數(shù)字普惠金融對不同性質(zhì)商業(yè)銀行的影響是否存在差異？為了回答這一問題，本文將樣本按照銀行屬性進(jìn)行劃分，得到國有行、大型股份制銀行、城商行以及農(nóng)村金融機(jī)構(gòu)(包含農(nóng)商行、農(nóng)合行以及農(nóng)信社)四個(gè)子樣本，使用不含滯后項(xiàng)的基準(zhǔn)模型(即靜態(tài)面板模型)并控制時(shí)點(diǎn)效應(yīng)進(jìn)行回歸。借鑒連玉君和廖俊平(2017)[53]的做法，使用Suest檢驗(yàn)且去除中心的檢驗(yàn)方法對組間系數(shù)差異進(jìn)行了檢驗(yàn)，結(jié)果見表5。結(jié)果顯示，當(dāng)被解釋變量為商業(yè)銀行Z值時(shí)，農(nóng)村金融機(jī)構(gòu)的系數(shù)在1%水平上顯著為正，城商行也為正，國有行和大型股份制銀行為負(fù)但不顯著。Suest檢驗(yàn)的p值均小于0.05，說明組間差異顯著，數(shù)字金融對不同類型商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響具有異質(zhì)性：數(shù)字金融的發(fā)展降低了城商行和農(nóng)村金融機(jī)構(gòu)的風(fēng)險(xiǎn)承擔(dān)，而對國有行和大型股份制銀行的影響不太顯著。

表5 數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的異質(zhì)性影響(回歸結(jié)果1)

產(chǎn)生這種異質(zhì)性的原因可能有二：首先，從客戶群體角度分析，我國銀行業(yè)素有“大型行服務(wù)大客戶、股份行服務(wù)大中客戶、中小行服務(wù)中小客戶”傳統(tǒng)。國有行和大型股份制銀行的客戶往往擁有良好的資產(chǎn)負(fù)債表，抵押擔(dān)保充足，本身違約概率低，金融科技對國有行和大型股份制銀行是“錦上添花”。相比之下，中小銀行的客戶群體常面臨抵押擔(dān)保不足的問題甚至缺乏征信，授信風(fēng)險(xiǎn)較高。而數(shù)字金融能夠利用“數(shù)字足跡”(即客戶的收入、消費(fèi)信息；社會(huì)關(guān)系網(wǎng)；互聯(lián)網(wǎng)征信等數(shù)字資料)對客戶進(jìn)行全面畫像和風(fēng)險(xiǎn)評估，實(shí)現(xiàn)客戶信息全面建檔和實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)測預(yù)警，這更能緩解中小銀行開展中小客戶服務(wù)的痛點(diǎn)，降低信貸風(fēng)險(xiǎn)，做到了“雪中送炭”。其次，從基礎(chǔ)設(shè)施角度分析，盡管國有行和大型股份制銀行的金融科技投入力度遠(yuǎn)高于中小銀行，但其原本的業(yè)務(wù)操作平臺(tái)和后臺(tái)風(fēng)控系統(tǒng)就很完善，它們更多地是將科技資源投向智能化領(lǐng)域，拓展新的業(yè)務(wù)渠道。相比之下，城商行和農(nóng)村金融機(jī)構(gòu)的基礎(chǔ)設(shè)施薄弱，科技資源主要集中在業(yè)務(wù)平臺(tái)的搭建，尤其是風(fēng)險(xiǎn)管理平臺(tái)，因此，數(shù)字金融對城商行和農(nóng)村金融機(jī)構(gòu)風(fēng)險(xiǎn)承擔(dān)的影響更直觀。近年來，中小金融機(jī)構(gòu)通過外包的方式與外部科技公司合作的頻率不斷上升，中小金融機(jī)構(gòu)借助數(shù)字金融的“東風(fēng)”不僅改善了客戶質(zhì)量，補(bǔ)齊了信息系統(tǒng)落后的短板，還有效提升了風(fēng)險(xiǎn)管理能力，這正好凸顯了數(shù)字金融的普惠性。

在子樣本觀測值不足的情形下，使用動(dòng)態(tài)面板估計(jì)會(huì)損失自由度，導(dǎo)致GMM估計(jì)失效。為了解決這一問題，本文參照劉忠璐(2016)[14]的做法，將樣本重新劃分為四個(gè)部分：子樣本一不包括國有行，子樣本二不包括大型股份制銀行，子樣本三不包括城商行，子樣本四不包括農(nóng)村金融機(jī)構(gòu)。對上述樣本進(jìn)行動(dòng)態(tài)面板系統(tǒng)GMM回歸，結(jié)果見表6。

表6 數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的異質(zhì)性影響(回歸結(jié)果2)

(續(xù)上表)

表6顯示，無論哪一個(gè)子樣本，數(shù)字金融指數(shù)對商業(yè)銀行Z值均有正向影響，對于剔除了國有行和大型股份制銀行的樣本更加顯著，四個(gè)樣本的數(shù)字金融指數(shù)系數(shù)分別為0.0058、0.0057、0.0067、0.0042，全樣本數(shù)字金融指數(shù)的系數(shù)為0.0052。和全樣本相比，四個(gè)樣本的變動(dòng)分別是11.88%、9.34%、29.19%、-20.50%，表明：數(shù)字金融能夠降低商業(yè)銀行整體的風(fēng)險(xiǎn)承擔(dān)；剔除了農(nóng)村金融機(jī)構(gòu)后，系數(shù)降低，說明數(shù)字金融對農(nóng)村金融機(jī)構(gòu)Z值的提高作用最大，最能降低其風(fēng)險(xiǎn)承擔(dān)。

此外，本文還按照上市與否以及規(guī)模(總資產(chǎn))、盈利水平、展業(yè)地區(qū)銀行業(yè)集中度的中位數(shù)將樣本劃分為兩組子樣本，再次檢驗(yàn)數(shù)字金融是否對不同類別商業(yè)銀行存在異質(zhì)性影響，結(jié)果見表7。列(1)引入虛擬變量ipo和ipo與數(shù)字普惠金融的交互項(xiàng)ipo_digfin，ipo等于1說明是上市銀行；列(2)-列(4)類似，分別引入虛擬變量size(size為1說明銀行屬于高規(guī)模組)、roe(roe為1說明銀行屬于高盈利水平組)、hhi(hhi為1說明銀行展業(yè)地區(qū)屬于高集中度地區(qū))以及虛擬變量和數(shù)字金融的交互項(xiàng)。結(jié)果顯示，數(shù)字金融增加了上市銀行的風(fēng)險(xiǎn)承擔(dān)，減少了非上市銀行的風(fēng)險(xiǎn)承擔(dān)，但這種效應(yīng)并不顯著。同樣地，數(shù)字金融更能減少規(guī)模較大、所在地區(qū)銀行業(yè)集中度較高的銀行的風(fēng)險(xiǎn)承擔(dān)，但在統(tǒng)計(jì)上并不顯著。數(shù)字金融能夠顯著降低盈利能力較高的銀行的風(fēng)險(xiǎn)承擔(dān)，這種差異在10%水平上顯著。綜合表明數(shù)字金融對商業(yè)銀行的異質(zhì)性影響可能更多地體現(xiàn)在銀行屬性上。

表7 數(shù)字普惠金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的異質(zhì)性影響(回歸結(jié)果3)

(三)穩(wěn)健性檢驗(yàn)

為了進(jìn)一步說明結(jié)論的可靠性，本文按照以下方法進(jìn)行穩(wěn)健性檢驗(yàn)：一是使用不良貸款率、撥備覆蓋率、單一最大客戶貸款比率分別作為被解釋變量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的代理變量；二是使用數(shù)字普惠金融指數(shù)的子指標(biāo)：覆蓋廣度指數(shù)、使用深度指數(shù)、數(shù)字化程度指數(shù)作為關(guān)鍵解釋變量數(shù)字金融的代理變量；三是使用商業(yè)銀行注冊地到光纖干線的距離與全國數(shù)字普惠金融指數(shù)的交互項(xiàng)作為數(shù)字普惠金融指數(shù)的工具變量(Digfin_iv)。

將被解釋變量依次替換為不良貸款率(Risk1)、撥備覆蓋率(Risk2)、單一最大客戶貸款比率(Risk3)后，重復(fù)表4列(6)的系統(tǒng)GMM估計(jì)，所得結(jié)果見表8。列(1)結(jié)果表明，數(shù)字金融在5%水平上能夠有效降低商業(yè)銀行的不良貸款率，說明商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)顯著降低；列(2)結(jié)果表明數(shù)字金融在5%水平上能夠有效提高商業(yè)銀行的撥備覆蓋率，再次說明商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)降低了。列(3)的數(shù)字金融系數(shù)盡管不顯著，但負(fù)系數(shù)表明，數(shù)字金融使商業(yè)銀行單一最大客戶貸款比率降低，意味著風(fēng)險(xiǎn)集中度降低，有利于降低商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)。

表8 穩(wěn)健性檢驗(yàn)(回歸結(jié)果1)

將解釋變量替換為數(shù)字普惠金融指數(shù)的子指標(biāo)：覆蓋廣度(coverage_breadth)、使用深度(usage_depth)、數(shù)字化程度(digitization_level)后，對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)進(jìn)行檢驗(yàn)，結(jié)果見表9。列(1)、 列(3)和列(5)使用Z值衡量商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)，列(2)、 列(4)和列(6)使用不良貸款率衡量。觀察發(fā)現(xiàn)，覆蓋廣度指數(shù)和使用深度指數(shù)均能夠顯著提升商業(yè)銀行的Z值，顯著降低商業(yè)銀行的不良貸款率，而數(shù)字化程度指數(shù)對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響不明顯。子指標(biāo)檢驗(yàn)結(jié)果一方面證實(shí)了數(shù)字金融能夠有效降低商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的結(jié)論，另一方面也說明覆蓋廣度指數(shù)和使用深度指數(shù)最能夠促使商業(yè)銀行提高風(fēng)險(xiǎn)管理能力，降低內(nèi)部風(fēng)險(xiǎn)，這說明數(shù)字金融主要是通過科技和銀行業(yè)務(wù)的廣泛、深入結(jié)合來降低商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的。以授信業(yè)務(wù)為例，商業(yè)銀行智能風(fēng)控系統(tǒng)覆蓋貸前、貸中、貸后三個(gè)階段，從客戶信息審查到審批授信再到貸后監(jiān)控，所有的環(huán)節(jié)都實(shí)現(xiàn)聯(lián)網(wǎng)核查、流程智能、實(shí)時(shí)預(yù)警。在知識(shí)圖譜、大數(shù)據(jù)和風(fēng)險(xiǎn)模型的運(yùn)用下，商業(yè)銀行授信決策失誤率有效減少，資金安全性大幅提升。

表9 穩(wěn)健性檢驗(yàn)(回歸結(jié)果2)

數(shù)字金融的發(fā)展能夠促使商業(yè)銀行降低風(fēng)險(xiǎn)承擔(dān)，而商業(yè)銀行出于緩釋內(nèi)部風(fēng)險(xiǎn)的目的，也會(huì)主動(dòng)謀求科技變革，促進(jìn)金融科技升級，也就是說數(shù)字金融可能和商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)存在互為因果關(guān)系。此外，本文的回歸模型中還可能忽略了那些對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)有顯著影響的因素，存在遺漏變量問題。為了解決潛在的內(nèi)生性問題，本文使用商業(yè)銀行注冊地到光纖干線的距離與全國數(shù)字普惠金融指數(shù)的交互項(xiàng)作為各個(gè)城市數(shù)字普惠金融指數(shù)的工具變量(Digfin_iv)。本文選擇2SLS(兩階段最小二乘法)和系統(tǒng)GMM進(jìn)行了工具變量估計(jì)，回歸結(jié)果見表10。

表10 穩(wěn)健性檢驗(yàn)(回歸結(jié)果3)

表10列(1)、 列(2)使用的是2SLS估計(jì)方法，因變量分別是Z值和不良貸款率。一階段F值顯著大于10，說明不存在弱工具變量問題。一階段中，數(shù)字金融工具變量與數(shù)字金融指數(shù)為顯著負(fù)相關(guān)，說明距離光纖越近、數(shù)字金融越發(fā)達(dá)這一現(xiàn)象確實(shí)存在。二階段中，Digfin與Z值為負(fù)相關(guān)且與不良貸款率正相關(guān)，說明了數(shù)字金融的發(fā)展確實(shí)有利于提高商業(yè)銀行的Z值。列(3)、 列(4)使用的是系統(tǒng)GMM方法，同樣分別對Z值和不良貸款率回歸，得到了相同的結(jié)論，Hansen檢驗(yàn)說明Digfin_iv是有效的。因此，使用數(shù)字金融工具變量進(jìn)行檢驗(yàn)后的結(jié)果再次證實(shí)：數(shù)字金融的發(fā)展有利于降低銀行業(yè)整體的風(fēng)險(xiǎn)承擔(dān)。

五 結(jié)論和建議

數(shù)字金融發(fā)展是否帶來了正向的外部溢出效應(yīng)？是否能夠幫助我國商業(yè)銀行增強(qiáng)風(fēng)險(xiǎn)管控能力、降低風(fēng)險(xiǎn)承擔(dān)？本文研究發(fā)現(xiàn)：數(shù)字金融有助于收斂系統(tǒng)性金融風(fēng)險(xiǎn)。同時(shí)，數(shù)字金融對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響具有異質(zhì)性：城商行和農(nóng)村金融機(jī)構(gòu)對數(shù)字金融的反應(yīng)更加敏感，而大型股份制銀行和國有行更加審慎。農(nóng)村金融機(jī)構(gòu)可以充分利用金融科技修復(fù)資產(chǎn)負(fù)債表，有效降低風(fēng)險(xiǎn)承擔(dān)。數(shù)字金融通過科技與銀行業(yè)務(wù)的廣泛、深入結(jié)合降低了商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)。例如：商業(yè)銀行通過精準(zhǔn)獲客和畫像提升了客戶質(zhì)量，通過投資端和融資端的精細(xì)匹配降低了業(yè)務(wù)風(fēng)險(xiǎn)暴露，通過全生命周期的資金監(jiān)控提升了風(fēng)險(xiǎn)管控能力。

科技發(fā)展也會(huì)加劇行業(yè)內(nèi)部競爭，不同體量和性質(zhì)的銀行應(yīng)當(dāng)結(jié)合自身實(shí)際情況和資源稟賦，制定差異化發(fā)展戰(zhàn)略，避免重復(fù)信息基建。國有大行內(nèi)控健全，風(fēng)險(xiǎn)治理完善，平臺(tái)和資金優(yōu)勢突出，有能力搭建風(fēng)險(xiǎn)大數(shù)據(jù)平臺(tái)，形成智慧風(fēng)控生態(tài)閉環(huán)，因此，要緊跟技術(shù)迭代，做優(yōu)做強(qiáng)現(xiàn)有風(fēng)險(xiǎn)管理系統(tǒng)。一方面要向高科技企業(yè)學(xué)習(xí)先進(jìn)的技術(shù)和管理方式，開展前瞻性科技研究和技術(shù)儲(chǔ)備；另一方面也要立足金融本源，嚴(yán)守底線，保證穩(wěn)健經(jīng)營方針不動(dòng)搖。股份制銀行或區(qū)域性銀行可以加強(qiáng)同外部研發(fā)企業(yè)的合作，發(fā)揮協(xié)同作用，同時(shí)加強(qiáng)重點(diǎn)領(lǐng)域的風(fēng)險(xiǎn)監(jiān)管，健全內(nèi)部風(fēng)險(xiǎn)監(jiān)測、排查、整治機(jī)制。農(nóng)村金融機(jī)構(gòu)要利用外部科技資源，加快數(shù)字化布局，做到科技對重點(diǎn)業(yè)務(wù)的全覆蓋，同時(shí)還需增強(qiáng)數(shù)據(jù)分析和風(fēng)險(xiǎn)識(shí)別能力，加強(qiáng)合規(guī)意識(shí)，加速不良貸款化解，提高經(jīng)營韌性。

在科技助力下，銀行業(yè)勢必朝著更加普惠、高效、開放的方向發(fā)展。但科技也會(huì)帶來隱私數(shù)據(jù)泄露風(fēng)險(xiǎn)、系統(tǒng)故障風(fēng)險(xiǎn)、數(shù)字鴻溝問題等，影響金融系統(tǒng)平穩(wěn)運(yùn)行。商業(yè)銀行作為金融業(yè)主體部門，需發(fā)揮引領(lǐng)作用，把握數(shù)字時(shí)代發(fā)展契機(jī)，加快數(shù)字化轉(zhuǎn)型步伐，創(chuàng)新業(yè)務(wù)模式，利用數(shù)字金融的普惠優(yōu)勢，提升服務(wù)能力和水平；與此同時(shí)，還要將用戶隱私數(shù)據(jù)和財(cái)產(chǎn)安全性放在首位，確保系統(tǒng)網(wǎng)絡(luò)安全；促使數(shù)字科技與內(nèi)部控制深度融合，提升風(fēng)險(xiǎn)系統(tǒng)建設(shè)和科技發(fā)展規(guī)劃能力。監(jiān)管部門要履行宏觀審慎管理職責(zé)，搭建更加完善的數(shù)字金融監(jiān)管規(guī)則體系，加強(qiáng)對線上金融活動(dòng)的監(jiān)管，遏制行業(yè)壟斷和不正當(dāng)競爭。落實(shí)監(jiān)管向底層資產(chǎn)穿透，打擊監(jiān)管套利。有關(guān)部門還要勇于破除數(shù)字金融發(fā)展的體制機(jī)制障礙，創(chuàng)新監(jiān)管工作，在風(fēng)險(xiǎn)可控的前提下，鼓勵(lì)商業(yè)銀行創(chuàng)新業(yè)務(wù)模式和金融產(chǎn)品，鼓勵(lì)科技資源向落后地區(qū)和困難群眾傾斜。市場參與主體和相關(guān)部門需把握契機(jī)、形成聯(lián)動(dòng)，切實(shí)維護(hù)金融安全，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線，共同推進(jìn)銀行業(yè)平穩(wěn)健康發(fā)展。