數(shù)字金融對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)的影響研究

黃麟矞

【摘要】文章基于2011—2019年中國(guó)31個(gè)省市區(qū)的年度面板數(shù)據(jù)，利用個(gè)體固定效應(yīng)模型進(jìn)行實(shí)證分析，考察數(shù)字金融對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)的影響。實(shí)證研究發(fā)現(xiàn)：數(shù)字金融的發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)具有顯著的負(fù)面影響，數(shù)字金融的發(fā)展會(huì)增加區(qū)域銀行信貸風(fēng)險(xiǎn)，且這種影響具有區(qū)域異質(zhì)性，這對(duì)區(qū)域商業(yè)銀行和區(qū)域金融監(jiān)管機(jī)構(gòu)發(fā)展數(shù)字金融提出了更高的要求。

【關(guān)鍵詞】數(shù)字金融；信貸風(fēng)險(xiǎn)；不良貸款率；商業(yè)銀行

【中圖分類(lèi)號(hào)】F832.1

一、引言

隨著信息技術(shù)的不斷發(fā)展，傳統(tǒng)金融業(yè)務(wù)逐漸轉(zhuǎn)變?yōu)槔没ヂ?lián)網(wǎng)平臺(tái)并融合信息技術(shù)的新一代金融服務(wù)，即數(shù)字金融，其概念和金融科技、互聯(lián)網(wǎng)金融相近（黃益平和黃卓，2018）[1]。近年來(lái)，數(shù)字金融一直出現(xiàn)在我國(guó)金融業(yè)乃至國(guó)家經(jīng)濟(jì)發(fā)展的藍(lán)圖中，自2014年起，“互聯(lián)網(wǎng)金融”連續(xù)5年被政府工作報(bào)告提及。2022年1月，中國(guó)人民銀行印發(fā)《金融科技發(fā)展規(guī)劃（2022—2025年）》，提出推動(dòng)我國(guó)金融科技新階段發(fā)展的新目標(biāo)。數(shù)字金融的不斷發(fā)展，勢(shì)必會(huì)對(duì)銀行業(yè)產(chǎn)生一定影響，許多學(xué)者也對(duì)數(shù)字金融與商業(yè)銀行之間的關(guān)系做了研究。如黃益平和陶坤玉（2019）[2]認(rèn)為數(shù)字金融使得銀行服務(wù)具有高效率和高普惠性，克服了線(xiàn)下網(wǎng)點(diǎn)的局限性，實(shí)現(xiàn)以較低成本向各地各類(lèi)人群提供便捷銀行服務(wù)；王詩(shī)卉和謝絢麗（2021）[3]研究發(fā)現(xiàn)數(shù)字金融的發(fā)展可以推動(dòng)銀行在管理和產(chǎn)品領(lǐng)域的創(chuàng)新升級(jí)；梁涵書(shū)和張藝（2021）[4]研究發(fā)現(xiàn)數(shù)字金融的發(fā)展會(huì)使商業(yè)銀行的資本充足率不足，給商業(yè)銀行帶來(lái)一定風(fēng)險(xiǎn)。那么，數(shù)字金融的發(fā)展會(huì)對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)產(chǎn)生一定影響嗎？如果有影響，是正面還是負(fù)面？這是本文重點(diǎn)探討的問(wèn)題。

二、理論機(jī)制與研究假說(shuō)

數(shù)字金融對(duì)區(qū)域商業(yè)銀行信貸風(fēng)險(xiǎn)的負(fù)面影響主要體現(xiàn)在兩個(gè)方面。一是數(shù)字金融的發(fā)展提高了銀行服務(wù)的普惠性，降低了信貸門(mén)檻。這使得中小企業(yè)、欠發(fā)達(dá)地區(qū)的客戶(hù)也能便捷借貸，導(dǎo)致客戶(hù)群體的整體風(fēng)險(xiǎn)水平提高，而商業(yè)銀行的信貸風(fēng)險(xiǎn)也隨之增加。二是數(shù)字金融會(huì)擴(kuò)寬客戶(hù)的借貸渠道，增大客戶(hù)對(duì)信貸產(chǎn)品的選擇空間，而客戶(hù)往往更關(guān)注利率，而將風(fēng)險(xiǎn)因素置后或忽略，銀行則需要承擔(dān)相應(yīng)的風(fēng)險(xiǎn)，信貸風(fēng)險(xiǎn)增加。

數(shù)字金融對(duì)區(qū)域商業(yè)銀行信貸風(fēng)險(xiǎn)的正面影響主要體現(xiàn)在兩個(gè)方面。一是數(shù)字金融能利用云計(jì)算等大數(shù)據(jù)技術(shù)對(duì)材料進(jìn)行審核評(píng)估，減少人工辦理的錯(cuò)漏。二是數(shù)字金融能實(shí)現(xiàn)信息互通，減少信息不對(duì)稱(chēng)。

綜合以上理論所述，本文提出以下兩個(gè)假設(shè)：

H1：數(shù)字金融的發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)具有負(fù)面影響。

H2：數(shù)字金融的發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)具有正面影響。

三、研究設(shè)計(jì)

（一）樣本與數(shù)據(jù)來(lái)源

本文以中國(guó)大陸31個(gè)省市2011—2019年的年度面板數(shù)據(jù)為研究對(duì)象。其中，商業(yè)銀行不良貸款率來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)和2020年《中國(guó)金融年鑒》；數(shù)字金融指數(shù)來(lái)源于“北京大學(xué)數(shù)字普惠金融指數(shù)”；宏觀(guān)經(jīng)濟(jì)指標(biāo)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站，總戶(hù)數(shù)通過(guò)國(guó)家統(tǒng)計(jì)局人口抽樣調(diào)查結(jié)果及比例計(jì)算得出；年末金融機(jī)構(gòu)各項(xiàng)貸款余額來(lái)源于歷年《中國(guó)城市統(tǒng)計(jì)年鑒》。

（二）變量說(shuō)明

1.被解釋變量：銀行信貸風(fēng)險(xiǎn)（NPL）

銀行信貸風(fēng)險(xiǎn)是指借款人因各種原因無(wú)法按時(shí)償還足額信貸本息而使銀行遭受經(jīng)濟(jì)損失的可能性（唐傳志，2009）[5]，是商業(yè)銀行風(fēng)險(xiǎn)管理的重點(diǎn)。不良貸款率是指不良貸款余額與總貸款余額的比值，被許多學(xué)者用以衡量銀行信貸風(fēng)險(xiǎn)（孫光林等，2017[ 6]；顧海峰與于家珺，2020[7]），是評(píng)價(jià)商業(yè)銀行信貸風(fēng)險(xiǎn)程度的重要參考指標(biāo)。因此，本文采用商業(yè)銀行不良貸款率作為銀行信貸風(fēng)險(xiǎn)的衡量指標(biāo)，該指標(biāo)越小，則銀行信貸風(fēng)險(xiǎn)越小。

2.解釋變量：數(shù)字金融（DF）

近年來(lái)，許多研究（吳桐桐與王仁曾，2021[8]；余靜文和吳濱陽(yáng)，2021[9]）采用“北京大學(xué)數(shù)字普惠金融指數(shù)”來(lái)衡量數(shù)字金融發(fā)展程度，該指數(shù)由北京大學(xué)數(shù)字金融研究中心根據(jù)螞蟻集團(tuán)的交易數(shù)據(jù)編制，數(shù)據(jù)權(quán)威可靠。因此，本文采用省級(jí)層面的數(shù)字金融指數(shù)代表區(qū)域數(shù)字金融發(fā)展程度，該指標(biāo)越大，則該區(qū)域數(shù)字金融發(fā)展程度越高。

3.控制變量

（1）經(jīng)濟(jì)發(fā)展水平（lnPGDP）

本文采用省級(jí)人均GDP取對(duì)數(shù)后的值來(lái)衡量區(qū)域經(jīng)濟(jì)發(fā)展水平，人均GDP越高，表明區(qū)域經(jīng)濟(jì)發(fā)展水平越高，各經(jīng)營(yíng)主體的效益越好，及時(shí)、足額還款的可能性越大，區(qū)域整體的信貸違約率越低。

（2）金融發(fā)展程度（lnFIN）

借鑒已有文獻(xiàn)（余靜文和吳濱陽(yáng)，2021）[9]的做法，用金融機(jī)構(gòu)年末人民幣各項(xiàng)貸款余額占GDP總額的比重取對(duì)數(shù)后的值來(lái)衡量金融發(fā)展程度。金融發(fā)展程度越高，表明投資環(huán)境越好，區(qū)域內(nèi)人民對(duì)金融行業(yè)的相關(guān)法律制度、政策措施等的認(rèn)知度和關(guān)注度越高。

（3）通貨膨脹環(huán)境（CPI）

借鑒已有文獻(xiàn)（戰(zhàn)文清和劉堯成，2021）[10]的做法，本文采用居民消費(fèi)價(jià)格指數(shù)來(lái)衡量地區(qū)通貨膨脹環(huán)境。居民消費(fèi)價(jià)格指數(shù)可以反映居民消費(fèi)商品及服務(wù)的價(jià)格水平的變動(dòng)情況，是衡量通貨膨脹的主要指標(biāo)之一。該指數(shù)越大，表明物價(jià)上漲，造成通貨膨脹，政府會(huì)采取緊縮的貨幣政策抑制物價(jià)上漲，從而使得利率上升，進(jìn)一步增加借款人的經(jīng)營(yíng)成本，投資需求減少，信貸違約率上升。

（4）互聯(lián)網(wǎng)普及程度（lnINT）

本文采用年末互聯(lián)網(wǎng)寬帶接入用戶(hù)數(shù)占總戶(hù)數(shù)的比重取對(duì)數(shù)后的值來(lái)衡量互聯(lián)網(wǎng)普及程度。互聯(lián)網(wǎng)普及程度越高，人們搜集信息越方便、全面，銀行逐漸從僅依靠線(xiàn)下網(wǎng)點(diǎn)過(guò)渡到線(xiàn)下網(wǎng)點(diǎn)與線(xiàn)上平臺(tái)相結(jié)合拓展業(yè)務(wù)，業(yè)務(wù)覆蓋面更廣、辦理效率更高。

具體變量定義見(jiàn)表1。

（三）模型構(gòu)建

1.模型選擇

面板數(shù)據(jù)模型通常分為三類(lèi)：混合模型、固定效應(yīng)模型、隨機(jī)效應(yīng)模型。結(jié)合實(shí)際情況分析，31個(gè)省市在經(jīng)濟(jì)、科技、政策、文化等方面存在一定差異，且樣本的時(shí)間跨度較小，由此判斷個(gè)體固定效應(yīng)模型更為合適，進(jìn)而通過(guò)F檢驗(yàn)和Hausman檢驗(yàn)確認(rèn)模型的選擇，檢驗(yàn)結(jié)果如表2所示。

由表2可得，F(xiàn)檢驗(yàn)結(jié)果為F（30，243）=6.46，Prob= 0.0000<0.01，表明在1%的水平上顯著，拒絕原假設(shè)（選擇混合模型）。同理，Hausman檢驗(yàn)結(jié)果也拒絕原假設(shè)（選擇個(gè)體隨機(jī)效應(yīng)模型）。綜上，本文選擇個(gè)體固定效應(yīng)回歸模型。

2.模型設(shè)定

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)分析

由表3可知，不良貸款率平均值為1.576，最小值為0.23，最大值為8.7，表明31個(gè)省市的銀行信貸風(fēng)險(xiǎn)差距較大；數(shù)字金融指數(shù)的平均值為202.331，最小值為16.22，最大值為410.28，表明31個(gè)省市的數(shù)字金融發(fā)展程度差距較大。

（二）單位根檢驗(yàn)

為防止“偽回歸”發(fā)生，在回歸前需要對(duì)面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，確保面板數(shù)據(jù)是平穩(wěn)序列。本文同時(shí)采用LL&C、IPS、Fisher-ADF、Fisher-PP四種方法進(jìn)行單位根檢驗(yàn)。經(jīng)檢驗(yàn)，得到的結(jié)果如表4所示。

從表4可以看出，變量NPL、DF、lnFIN、CPI、 lnINT在四種檢驗(yàn)法下得到的p值均在5%水平上顯著，變量lnFIN在三種檢驗(yàn)法下得到的p值在1%水平上顯著，拒絕原假設(shè)（序列非平穩(wěn)）。因此，可以認(rèn)為本文使用的面板數(shù)據(jù)是平穩(wěn)的，后續(xù)不會(huì)出現(xiàn)偽回歸。

（三）面板回歸結(jié)果

從表5的回歸結(jié)果可以看出，在控制了經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度、通貨膨脹環(huán)境、互聯(lián)網(wǎng)普及程度變量后，數(shù)字金融與區(qū)域銀行信貸風(fēng)險(xiǎn)的回歸系數(shù)為0.007，穩(wěn)健標(biāo)準(zhǔn)誤為0.002，t統(tǒng)計(jì)量為4.13，p值為0.000，小于1%的顯著性水平，表明數(shù)字金融發(fā)展對(duì)銀行信貸風(fēng)險(xiǎn)有顯著的負(fù)面影響，即數(shù)字金融發(fā)展會(huì)加劇區(qū)域銀行信貸風(fēng)險(xiǎn)，結(jié)論與假說(shuō)H1相符。雖然數(shù)字金融為銀行業(yè)務(wù)的開(kāi)展提供了不少便利，如實(shí)現(xiàn)信息互通、簡(jiǎn)化業(yè)務(wù)流程、增強(qiáng)內(nèi)部管理、減少人工核驗(yàn)錯(cuò)漏等，但是數(shù)字金融對(duì)銀行信貸風(fēng)險(xiǎn)的不利影響更大。本文認(rèn)為可能的原因有二：一是數(shù)字金融簡(jiǎn)化了信貸業(yè)務(wù)辦理手續(xù)，借貸門(mén)檻由此放寬，擴(kuò)大了借款客戶(hù)群體，但同時(shí)也增加了中高風(fēng)險(xiǎn)客戶(hù)的數(shù)量，從而增加銀行信貸風(fēng)險(xiǎn)；二是數(shù)字金融使得人們可以通過(guò)互聯(lián)網(wǎng)輕松查找到不同銀行、不同產(chǎn)品的信息，較大的信息量往往會(huì)使人們難以做出清晰的判斷，人們往往更在意借貸的利率，而有可能忽視或較少考慮其中的風(fēng)險(xiǎn)因素，這也使銀行需要承擔(dān)相應(yīng)的風(fēng)險(xiǎn)。

從控制變量的回歸結(jié)果可以看出：經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度、互聯(lián)網(wǎng)普及程度對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)也產(chǎn)生了顯著影響。經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度的回歸系數(shù)均為負(fù)，分別為-4.452、-0.907，表明區(qū)域經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度給區(qū)域銀行信貸風(fēng)險(xiǎn)帶來(lái)正面影響，即經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度的提高能減少銀行信貸風(fēng)險(xiǎn)?；ヂ?lián)網(wǎng)普及程度的回歸系數(shù)為2.381，表明互聯(lián)網(wǎng)普及程度給銀行信貸風(fēng)險(xiǎn)帶來(lái)負(fù)面影響，即互聯(lián)網(wǎng)普及程度的提高會(huì)加劇區(qū)域銀行信貸風(fēng)險(xiǎn)。通貨膨脹環(huán)境的p值為0.390，未能通過(guò)顯著性檢驗(yàn)。

（四）區(qū)域異質(zhì)性

由于中國(guó)不同區(qū)域的數(shù)字金融發(fā)展程度、商業(yè)銀行信貸風(fēng)險(xiǎn)等存在差異，本文以我國(guó)三大經(jīng)濟(jì)帶為區(qū)域劃分依據(jù)，將31個(gè)省市劃分為東部（京、遼、滬等12個(gè)省市）、西部（川、貴、云等10個(gè)省市）、中部（黑、湘、鄂等9個(gè)省市）進(jìn)行異質(zhì)性分析，異質(zhì)性分析結(jié)果如表6所示。

表6結(jié)果表明，東部、中部經(jīng)濟(jì)帶數(shù)字金融發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)的增加都有顯著作用，且東部經(jīng)濟(jì)帶更顯著，西部經(jīng)濟(jì)帶則沒(méi)有顯著作用。東部樣本中數(shù)字金融的回歸系數(shù)為0.008，中部樣本中數(shù)字金融的回歸系數(shù)為0.005，說(shuō)明東部經(jīng)濟(jì)帶數(shù)字金融發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)增加的程度更大。在三大經(jīng)濟(jì)帶中，東部經(jīng)濟(jì)帶整體的經(jīng)濟(jì)水平、數(shù)字金融發(fā)展程度最高，中部次之，西部最低。因此，三大經(jīng)濟(jì)帶中數(shù)字金融對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)的顯著性、回歸系數(shù)的差異，也與前文“數(shù)字金融發(fā)展會(huì)加劇區(qū)域銀行信貸風(fēng)險(xiǎn)”的結(jié)論基本相符。總之，數(shù)字金融發(fā)展在整體上增加了區(qū)域銀行信貸風(fēng)險(xiǎn)，但對(duì)不同區(qū)域具有異質(zhì)性影響。

五、結(jié)論與建議

（一）結(jié)論

第一，數(shù)字金融發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)具有顯著的負(fù)面影響，即數(shù)字金融發(fā)展會(huì)加劇區(qū)域銀行信貸風(fēng)險(xiǎn)。說(shuō)明數(shù)字金融發(fā)展雖然對(duì)銀行業(yè)務(wù)有許多積極的作用，但其帶來(lái)的負(fù)面影響更多。除了數(shù)字金融，區(qū)域經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度、互聯(lián)網(wǎng)普及程度也對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)有顯著影響。區(qū)域經(jīng)濟(jì)發(fā)展水平、金融發(fā)展程度給區(qū)域銀行信貸風(fēng)險(xiǎn)帶來(lái)正面影響，互聯(lián)網(wǎng)普及程度給銀行信貸風(fēng)險(xiǎn)帶來(lái)負(fù)面影響。

第二，數(shù)字金融對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)的影響具有異質(zhì)性。在東部經(jīng)濟(jì)帶，數(shù)字金融的發(fā)展對(duì)區(qū)域銀行信貸風(fēng)險(xiǎn)增加的顯著作用相對(duì)較大，中部經(jīng)濟(jì)帶次之，而西部經(jīng)濟(jì)帶則未呈現(xiàn)顯著作用。

（二）建議

目前，我國(guó)大力發(fā)展數(shù)字金融。對(duì)于銀行來(lái)講，應(yīng)該利用數(shù)字金融的優(yōu)勢(shì)，促進(jìn)傳統(tǒng)業(yè)務(wù)轉(zhuǎn)型升級(jí)，提高服務(wù)效率和水平，同時(shí)也應(yīng)注意風(fēng)險(xiǎn)防控，特別是針對(duì)線(xiàn)上業(yè)務(wù)，要配置更加完善的數(shù)字金融防控系統(tǒng)和審核評(píng)估系統(tǒng)，對(duì)線(xiàn)上業(yè)務(wù)的申辦人進(jìn)行合理、多樣化的評(píng)估，盡可能地降低銀行風(fēng)險(xiǎn)。對(duì)于各地區(qū)的監(jiān)管部門(mén)來(lái)講，要履行審慎管理職責(zé)，將數(shù)字金融與監(jiān)管體系融合，利用大數(shù)據(jù)等信息技術(shù)手段加強(qiáng)對(duì)銀行業(yè)的監(jiān)管，推動(dòng)銀行業(yè)健康平穩(wěn)發(fā)展。

主要參考文獻(xiàn)：

[1]黃益平，黃卓.中國(guó)的數(shù)字金融發(fā)展：現(xiàn)在與未來(lái)[J].經(jīng)濟(jì)學(xué)（季刊），2018，17（4）：1489-1502.

[2]黃益平，陶坤玉.中國(guó)的數(shù)字金融革命：發(fā)展、影響與監(jiān)管啟示[J].國(guó)際經(jīng)濟(jì)評(píng)論，2019（6）：24-35.

[3]王詩(shī)卉，謝絢麗.經(jīng)濟(jì)壓力還是社會(huì)壓力：數(shù)字金融發(fā)展與商業(yè)銀行數(shù)字化創(chuàng)新[J].經(jīng)濟(jì)學(xué)家，2021（1）：100-108.

[4]梁涵書(shū)，張藝.數(shù)字金融發(fā)展、金融監(jiān)管與我國(guó)商業(yè)銀行風(fēng)險(xiǎn)[J].金融與經(jīng)濟(jì)，2021（1）：30-39.

[5]唐傳志.基于博弈論的銀行信貸風(fēng)險(xiǎn)管理對(duì)策研究[D].西安：西安電子科技大學(xué)，2009.

[6]孫光林，王穎，李慶海.綠色信貸對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的影響[J].金融論壇，2017，22（10）：31-40.

[7]顧海峰，于家珺.跨境資本流動(dòng)加劇了銀行信貸風(fēng)險(xiǎn)嗎：基于資本流入、流出與總量的考察[J].國(guó)際貿(mào)易問(wèn)題，2020（9）：144-159.

[8]吳桐桐，王仁曾.數(shù)字金融、銀行競(jìng)爭(zhēng)與銀行風(fēng)險(xiǎn)承擔(dān)：基于149家中小商業(yè)銀行的研究[J].財(cái)經(jīng)論叢，2021（3）：38-48.

[9]余靜文，吳濱陽(yáng).數(shù)字金融與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)：基于中國(guó)商業(yè)銀行的實(shí)證研究[J].產(chǎn)經(jīng)評(píng)論，2021，12（4）：108-128.

[10]戰(zhàn)文清，劉堯成.數(shù)字金融對(duì)中國(guó)商業(yè)銀行風(fēng)險(xiǎn)的影響機(jī)制分析[J].浙江金融，2021（12）：35-47.