數(shù)字普惠金融對我國商業(yè)銀行風(fēng)險水平的影響研究

【摘" 要】隨著我國金融體制改革以及普惠金融的發(fā)展，防范化解中小金融機構(gòu)和銀行風(fēng)險是維持金融系統(tǒng)穩(wěn)定性的重要攻堅任務(wù)。通過從數(shù)字普惠金融的視角出發(fā)，對銀行的風(fēng)險承擔(dān)行為進行實證研究，發(fā)現(xiàn)數(shù)字普惠金融的發(fā)展能夠有效降低商業(yè)銀行所承擔(dān)的風(fēng)險水平。論文通過運用數(shù)字普惠金融指數(shù)和BankScope全球銀行數(shù)據(jù)庫，運用我國139家銀行2011-2019年的數(shù)據(jù)，通過面板固定效應(yīng)模型考察了數(shù)字普惠金融對商業(yè)銀行風(fēng)險承擔(dān)的影響。研究結(jié)果表明，數(shù)字普惠金融的發(fā)展能夠有效降低商業(yè)銀行承擔(dān)的風(fēng)險。數(shù)字金融的覆蓋程度越廣，商業(yè)銀行的穩(wěn)定性越好，所經(jīng)受的風(fēng)險程度越低；數(shù)字金融的使用程度越深，商業(yè)銀行所承擔(dān)的風(fēng)險也越低。在異質(zhì)性方面，無論是農(nóng)村商業(yè)銀行還是城市商業(yè)銀行，數(shù)字普惠金融的發(fā)展都能增加他們的穩(wěn)定性，因而也能提升他們的風(fēng)險承擔(dān)能力，但對于股份制商業(yè)銀行，其作用并不顯著。

【關(guān)鍵詞】數(shù)字普惠金融；銀行風(fēng)險承擔(dān)；固定效應(yīng)；金融風(fēng)險防范

【中圖分類號】F49；F832" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2025）01-0033-04

1 引言

當(dāng)前全球經(jīng)濟受地緣沖突與行業(yè)風(fēng)險疊加影響，金融系統(tǒng)穩(wěn)定性面臨嚴峻考驗。我國房地產(chǎn)企業(yè)債務(wù)危機、包商銀行破產(chǎn)等事件折射出商業(yè)銀行風(fēng)險防控的緊迫性。黨的二十大報告與2023年國務(wù)院發(fā)布的《國務(wù)院關(guān)于推進普惠金融高質(zhì)量發(fā)展的實施意見》均強調(diào)，需統(tǒng)籌金融安全與發(fā)展，完善現(xiàn)代金融監(jiān)管體系，堅決守住不發(fā)生系統(tǒng)性風(fēng)險底線。在此背景下，探究銀行風(fēng)險的決定性因素及化解路徑具有重要現(xiàn)實意義。

數(shù)字技術(shù)的突破重構(gòu)了金融生態(tài)格局。移動支付與互聯(lián)網(wǎng)金融平臺（如螞蟻集團、京東金融）的快速發(fā)展，推動普惠金融進入數(shù)字化新階段。數(shù)字普惠金融通過技術(shù)賦能降低服務(wù)成本、拓展覆蓋半徑，有效提升長尾客群金融服務(wù)可得性。據(jù)《北京大學(xué)數(shù)字普惠金融指數(shù)（2011-2020）》顯示，北京市指數(shù)十年間增長5倍，江西省更實現(xiàn)11倍躍升，印證其在全國范圍的迅猛發(fā)展態(tài)勢。然而，數(shù)字普惠金融的推廣高度依賴商業(yè)銀行體系支撐——地方銀行需從傳統(tǒng)對公信貸業(yè)務(wù)轉(zhuǎn)向服務(wù)小微企業(yè)與低收入群體，這種戰(zhàn)略轉(zhuǎn)型可能引致風(fēng)險承擔(dān)行為的結(jié)構(gòu)性變化。核心問題在于：數(shù)字普惠金融究竟如何影響地方銀行風(fēng)險水平？其作用機制與傳導(dǎo)路徑為何？這對防范系統(tǒng)性金融風(fēng)險具有關(guān)鍵政策價值。

本文基于北京大學(xué)數(shù)字普惠金融指數(shù)與2011-2020年地方商業(yè)銀行數(shù)據(jù)，系統(tǒng)考察二者關(guān)聯(lián)效應(yīng)。研究發(fā)現(xiàn)，數(shù)字普惠金融通過三重機制作用于銀行風(fēng)險：一是技術(shù)驅(qū)動的業(yè)務(wù)下沉擴大客戶覆蓋，但可能加劇信息不對稱導(dǎo)致的信用風(fēng)險；二是線上化服務(wù)降低運營成本，提升風(fēng)險抵御能力；三是市場競爭加劇倒逼銀行風(fēng)險偏好上升。實證結(jié)果顯示，數(shù)字普惠金融對區(qū)域性銀行風(fēng)險存在“雙刃劍”效應(yīng)：初期技術(shù)應(yīng)用可優(yōu)化風(fēng)控效率（風(fēng)險降低3.8%～5.2%），但過度依賴數(shù)據(jù)模型可能導(dǎo)致風(fēng)險低估，長期看可能誘發(fā)風(fēng)險累積（滯后效應(yīng)顯著度達10%）。

2 文獻綜述

本文的研究綜述主要分為兩部分，一部分是利用Citespace軟件分析近13年來與商業(yè)銀行風(fēng)險相關(guān)的研究重點；另一部份則是通過文獻梳理，對數(shù)字普惠金融、數(shù)字普惠金融對商業(yè)銀行風(fēng)險的影響兩類文獻進行梳理。

2.1 商業(yè)銀行風(fēng)險

本文以金融和商業(yè)銀行風(fēng)險作為主體詞在中國知網(wǎng)中進行高級檢索，檢索時間為2010年至2023年12月份，期刊來源設(shè)置為CSSCI，得到相關(guān)文獻總計1 023篇，因本文選擇的期刊來源為CSSCI所有不存在會議記錄、新聞報導(dǎo)、期刊通知等關(guān)聯(lián)度較弱的文獻，所以本文選取的文獻與研究主題有高度的關(guān)聯(lián)性。

2.1.1 關(guān)鍵詞共現(xiàn)分析

本文基于關(guān)鍵詞共現(xiàn)分析法構(gòu)建金融與商業(yè)銀行風(fēng)險研究圖譜，共納入474個關(guān)鍵詞及1 125條關(guān)聯(lián)線，密度為0.01。圖譜顯示，關(guān)鍵詞節(jié)點大小反映頻次（如“系統(tǒng)性風(fēng)險”“信用風(fēng)險”頻次最高），圈層數(shù)量表征研究時長，連線粗細體現(xiàn)關(guān)聯(lián)強度。高頻關(guān)鍵詞顯示三大研究焦點：一是風(fēng)險類型，集中于系統(tǒng)性風(fēng)險、信用風(fēng)險及流動性風(fēng)險；二是監(jiān)管領(lǐng)域，涉及風(fēng)險管理、利率市場化及金融監(jiān)管；三是科技關(guān)聯(lián)，金融科技、互聯(lián)網(wǎng)金融等技術(shù)驅(qū)動型風(fēng)險研究隨數(shù)字化進程加速崛起，折射出科技與金融深度融合的趨勢特征。

2.1.2 主題演進分析

2010-2023年商業(yè)銀行風(fēng)險研究呈現(xiàn)階段性特征：2015年前聚焦風(fēng)險度量、信貸增長及道德風(fēng)險；2015年后，伴隨移動互聯(lián)網(wǎng)發(fā)展，研究轉(zhuǎn)向互聯(lián)網(wǎng)金融、數(shù)字金融及銀行數(shù)字化轉(zhuǎn)型。當(dāng)前研究重點為數(shù)字技術(shù)對地方性商業(yè)銀行風(fēng)險的影響，反映了風(fēng)險影響因素的動態(tài)演變，涵蓋數(shù)字技術(shù)、普惠金融及互聯(lián)網(wǎng)金融等領(lǐng)域。

2.2 數(shù)字普惠金融相關(guān)研究

本文基于知網(wǎng)北大核心與CSSCI期刊數(shù)據(jù)，利用Citespace對1 089篇“數(shù)字普惠金融”文獻進行關(guān)鍵詞分析，發(fā)現(xiàn)高頻主題為共同富裕（82）、鄉(xiāng)村振興（79）、融資約束（74）等，表明共同富裕關(guān)聯(lián)研究最受關(guān)注?，F(xiàn)有研究聚焦三大領(lǐng)域：一是農(nóng)業(yè)高質(zhì)量發(fā)展，數(shù)字普惠金融顯著促進農(nóng)業(yè)效率提升，并呈現(xiàn)雙重門檻效應(yīng)；二是鄉(xiāng)村振興，其影響呈“U型”關(guān)系，但受區(qū)域差異與技術(shù)條件制約；三是農(nóng)村居民消費，其對中西部消費升級拉動作用顯著，主要通過收入增長與產(chǎn)業(yè)結(jié)構(gòu)升級實現(xiàn)。

此外，綠色發(fā)展研究集中于綠色創(chuàng)新與農(nóng)業(yè)低碳轉(zhuǎn)型，未來需深化風(fēng)險傳導(dǎo)機制及區(qū)域異質(zhì)性研究，探索數(shù)字普惠金融與生態(tài)目標的協(xié)同路徑。

2.3 普惠金融與銀行風(fēng)險相關(guān)研究

現(xiàn)有研究表明，數(shù)字金融對商業(yè)銀行風(fēng)險具有顯著影響。趙家琪等[1]發(fā)現(xiàn)，基礎(chǔ)設(shè)施覆蓋越廣，線上貸款渠道越暢通，銀行不良貸款率越低；李振新等[2]通過系統(tǒng)GMM模型揭示，數(shù)字金融通過提升資產(chǎn)收益率、降低杠桿率及增強資本流動性3種渠道降低銀行風(fēng)險，并具有空間溢出效應(yīng)；吳本健等[3]指出，數(shù)字普惠金融與農(nóng)村金融機構(gòu)風(fēng)險承擔(dān)呈倒U型關(guān)系，且對大中型金融機構(gòu)風(fēng)險降低作用更顯著。然而，現(xiàn)有研究多聚焦數(shù)字金融或銀行數(shù)字化轉(zhuǎn)型，鮮有文獻直接探討數(shù)字普惠金融與商業(yè)銀行風(fēng)險承擔(dān)的關(guān)系。本文創(chuàng)新性地結(jié)合北大數(shù)字普惠金融指數(shù)，系統(tǒng)分析二者關(guān)聯(lián)，為防范系統(tǒng)性金融風(fēng)險提供新視角。

由以上分析本文提出以下假設(shè)：數(shù)字普惠金融能夠提升商業(yè)銀行穩(wěn)定性從而降低商業(yè)銀行風(fēng)險水平。

3 數(shù)據(jù)來源與模型設(shè)定

3.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源包括：①Bankscop數(shù)據(jù)庫，篩選內(nèi)資商業(yè)銀行樣本，剔除數(shù)據(jù)缺失嚴重及外資銀行，獲取資產(chǎn)負債率、貸款損失準備金率等微觀指標；②《北京大學(xué)數(shù)字普惠金融指數(shù)（2011-2020）》，涵蓋各省市數(shù)字普惠金融指數(shù)、覆蓋廣度、使用深度及細分領(lǐng)域數(shù)據(jù)；③Wind數(shù)據(jù)庫及國家統(tǒng)計局，補充GDP、財政收入等宏觀控制變量。數(shù)據(jù)經(jīng)清洗后，按銀行注冊地匹配至相應(yīng)省份，確保研究樣本的完整性與代表性。

3.2 變量定義

①被解釋變量：商業(yè)銀行穩(wěn)定性。本文用z值，即銀行距離其破產(chǎn)的程度，來衡量商業(yè)銀行穩(wěn)定性水平，從而體現(xiàn)商業(yè)銀行風(fēng)險水平。

②解釋變量：數(shù)字普惠金融指數(shù)（Index）。本文參考李振新等的研究，采用北京大學(xué)發(fā)布的數(shù)字普惠金融指數(shù)來衡量我國各地區(qū)普惠金融發(fā)展程度。同時利用數(shù)字普惠金融覆蓋廣度（Coverage）、使用深度（Usagedepth）等變量，探究其對商業(yè)銀行風(fēng)險承擔(dān)的影響。

③控制變量：資產(chǎn)負債率（Dtar），貸款損失準備金率（Llr），銀行規(guī)模（lntcap），核心資本充足率（Ccar），各省份國民生產(chǎn)總值增長率（Gdpr），財政分權(quán)（Fiscal）。

3.3 模型設(shè)定

本文參考Houston et al.[4]以及張文菲等[5]的研究方法，數(shù)字普惠金融作為解釋變量，將z值銀行風(fēng)險作為被解釋變量，將與銀行自身經(jīng)濟效益相關(guān)的各項指標以及我國宏觀經(jīng)濟層面的經(jīng)濟指標作為本文的控制變量，設(shè)定模型如下：

lnzit=α+βIndex_it+ηＣtrl+δ_i+δ_t+ε_it

式中，lnz_it表示某個銀行在某一年的風(fēng)險承擔(dān)水平，Index_it是本文的核心解釋變量，文章將銀行注冊地歸類至其所在的省份，因此該解釋變量表示某一地區(qū)的銀行某一年的數(shù)字普惠指數(shù)，指數(shù)越大，表明數(shù)字普惠金融發(fā)展程度越好；Ｃtrl是本文所包含的控制變量，包括核心資本充足率、資產(chǎn)負債率和財政分權(quán)等； δ_i、δ_t分別表示個體固定效應(yīng)和時間固定效應(yīng)；而ε_it則表示隨機擾動項。

3.4 變量描述性統(tǒng)計

主要變量描述性統(tǒng)計結(jié)果如表1所示。

4 數(shù)字普惠金融與商業(yè)銀行風(fēng)險：實證分析

4.1 基準實證結(jié)果與分析

本文基于固定效應(yīng)模型的回歸分析，探討數(shù)字普惠金融對提升商業(yè)銀穩(wěn)定性從而降低商業(yè)銀行風(fēng)險的影響效果。具體結(jié)果如表2所示，列（1）基準回歸結(jié)果顯示，在控制銀行個體及時間固定效應(yīng)后，數(shù)字普惠金融指數(shù)的系數(shù)顯著為正（1%水平），表明其發(fā)展能有效提升商業(yè)銀行穩(wěn)定性并降低風(fēng)險承擔(dān)。列（2）為覆蓋廣度層面回歸結(jié)果，數(shù)字基礎(chǔ)設(shè)施完善帶來的服務(wù)對象擴張顯著降低了銀行風(fēng)險。通過覆蓋更多“長尾客戶”，銀行得以減少對地方性國企的長期貸款依賴。短期、高流動性的普惠貸款不僅提高資產(chǎn)收益率，還通過優(yōu)化資產(chǎn)結(jié)構(gòu)降低賬面杠桿率，尤其改善了地方商業(yè)銀行的風(fēng)險指標。列（3）為使用深度層面回歸結(jié)果，數(shù)字化平臺的高頻交互數(shù)據(jù)構(gòu)建了動態(tài)信用評估體系。用戶貸款行為與還款記錄形成實時反饋機制，使得銀行能精準識別信用風(fēng)險。高頻使用強化了風(fēng)險監(jiān)測能力，顯著降低不良貸款率，這一機制對信息獲取相對薄弱的中小銀行尤為重要。列（4）為加入銀行規(guī)模、資本充足率等控制變量后的回歸結(jié)果，顯示數(shù)字普惠金融指數(shù)的正向效應(yīng)仍保持1%水平顯著性。研究揭示了雙重作用路徑，一方面通過擴大服務(wù)邊界優(yōu)化資產(chǎn)結(jié)構(gòu)；另一方面依托數(shù)據(jù)賦能提升風(fēng)控精度。這種數(shù)字化革新不僅突破地域限制拓展客群，更通過風(fēng)險預(yù)警機制有效管控傳統(tǒng)金融模式下的長尾風(fēng)險，為商業(yè)銀行風(fēng)險治理提供了新思路。

4.2 異質(zhì)性分析

為檢驗數(shù)字普惠金融對商業(yè)銀行風(fēng)險承擔(dān)的異質(zhì)性影響，本文將樣本分為農(nóng)村商業(yè)銀行、城市商業(yè)銀行和股份制商業(yè)銀行三類進行回歸分析。具體結(jié)果如表3所示，數(shù)字普惠金融對各類銀行的影響存在顯著差異。

列（1）結(jié)果顯示數(shù)字普惠金融顯著提升農(nóng)村商業(yè)銀穩(wěn)定性從而降低商業(yè)銀行風(fēng)險。這與吳本健等提出的倒“U”型特征一致，表明當(dāng)前數(shù)字普惠金融對農(nóng)村銀行風(fēng)險的影響已進入抑制階段，有助于提升其穩(wěn)定性。列（2）結(jié)果顯示，數(shù)字普惠金融顯著提升城市商業(yè)銀穩(wěn)定性從而降低商業(yè)銀行風(fēng)，主要因其通過服務(wù)居民和中小微企業(yè)的短期貸款需求，增強了資本流動性與收益能力。列（3）結(jié)果顯示，數(shù)字普惠金融對股份制商業(yè)銀行的風(fēng)險影響不顯著，可能與其客群結(jié)構(gòu)及業(yè)務(wù)模式差異有關(guān)。這些發(fā)現(xiàn)為差異化監(jiān)管政策的制定提供了依據(jù)，同時也表明數(shù)字普惠金融的風(fēng)險緩釋效應(yīng)具有明顯的銀行類型異質(zhì)性，未來需進一步探索其作用機制及政策適配性。

5 結(jié)論與建議

數(shù)字普惠金融通過技術(shù)賦能加速發(fā)展，成為推動經(jīng)濟轉(zhuǎn)型的重要力量。本文基于2011-2019年我國139家銀行數(shù)據(jù)，運用面板固定效應(yīng)模型分析發(fā)現(xiàn)：數(shù)字普惠金融能顯著降低商業(yè)銀行風(fēng)險，其覆蓋廣度與使用深度均與商業(yè)銀行穩(wěn)定性呈正相關(guān)即可降低商業(yè)銀行風(fēng)險水平。異質(zhì)性檢驗表明，該效應(yīng)在農(nóng)村商業(yè)銀行和城市商業(yè)銀行中顯著（風(fēng)險降幅達12%～15%），但對股份制銀行影響不顯著，可能與后者客群結(jié)構(gòu)和風(fēng)控體系差異相關(guān)。

因此本文提出以下政策建議：①商業(yè)銀行應(yīng)加速數(shù)字化轉(zhuǎn)型，推動傳統(tǒng)網(wǎng)點智能化升級，構(gòu)建自有數(shù)字服務(wù)平臺或與互聯(lián)網(wǎng)企業(yè)合作搭建共享系統(tǒng)，整合技術(shù)優(yōu)勢提升服務(wù)效率。②需強化風(fēng)險管理體系，針對普惠金融的長尾客群特征，建立客戶資金使用、信用行為的電子化動態(tài)監(jiān)測機制，通過限額管控、流向追蹤及還款預(yù)警等功能降低不良貸款風(fēng)險。③政府應(yīng)加大數(shù)字基建投入，尤其關(guān)注農(nóng)村及偏遠地區(qū)網(wǎng)絡(luò)基站建設(shè)，縮小區(qū)域數(shù)字化鴻溝，為數(shù)字普惠金融普及提供基礎(chǔ)支撐。經(jīng)驗證，數(shù)字普惠金融的覆蓋廣度可通過優(yōu)化資產(chǎn)結(jié)構(gòu)降低銀行風(fēng)險，而使用深度則依托數(shù)據(jù)風(fēng)控提升風(fēng)險識別能力，這為商業(yè)銀行與政府協(xié)同推進普惠金融發(fā)展提供了實踐路徑。

【參考文獻】

【1】趙家琪，江弘毅，胡詩云，等.數(shù)字普惠金融下的小微信貸與風(fēng)險——基于銀行數(shù)字化轉(zhuǎn)型的視角[J].經(jīng)濟學(xué)（季刊），2023，23（05）：1686-1703.

【2】李振新，陳享光.數(shù)字金融能降低地方商業(yè)銀行風(fēng)險嗎？——基于中國數(shù)字普惠金融和地方商業(yè)銀行的證據(jù)[J].蘭州大學(xué)學(xué)報（社會科學(xué)版），2023，51（03）：62-76.

【3】吳本健，譚睿琦，榮奕源.農(nóng)村金融機構(gòu)商業(yè)化改革對縣域非農(nóng)就業(yè)的影響——基于農(nóng)信社改制農(nóng)商行的準自然實驗研究[J].農(nóng)村金融研究，2023（10）：58-69.

【4】HOUSTON F J，LIN C，MA Y.Regulatory Arbitrage and International Bank Flows[J].The Journal of Finance，2012，67（5）：1845-1895.

【5】張文菲，金祥義.普惠金融與銀行風(fēng)險承擔(dān)：事實考察與機理分析[J].當(dāng)代財經(jīng)，2020（01）：51-64.