数字金融发展缓解了区域系统性金融风险么？——来自中国31个省份的经验证据

李 晨 丁 鑫

（兰州财经大学，甘肃 兰州 730020；首都经济贸易大学，北京 100070）

一、引言与文献综述

随着防范化解重大金融风险攻坚战进入深化阶段，我国整体金融风险趋于平稳，但是地方系统性金融风险水平仍然存在差异，尤其部分地方金融风险常年居高不下。近年来，数字金融发展对传统金融业产生巨大冲击，在经历数字金融与传统金融融合发展阶段后，数字金融在我国金融体系中的战略地位显著提升。随着数字金融发展深入金融业各个领域，金融体系的稳定性面临新的挑战，数字金融的发展给系统性金融风险带来了各种不确定因素，为防范化解重大金融风险攻坚战带来新的难题。因此，本文选择我国2011～2019年省级面板数据，实证检验数字金融与区域系统性金融风险的关系，并依据结论提出针对性政策建议，具有较强的政策价值与现实意义。

有关区域系统性金融风险的研究，Setser et al.（2002）提出将区域系统性金融风险按照不同部门的资产负债表进行分析，宏观经济部门分为公共部门、金融部门、企业部门和家庭部门四个部分，并按照四个部门的资产负债表作为区域系统性金融风险的分析框架。国内外学者从不同部门对区域系统性金融风险的传染效应展开研究，沈丽等（2019）按照政府、企业和家庭部门分类从区域金融风险的时空演化视角分析我国区域系统性金融风险的传染效应，发现政府部门是风险主要的传染方和被传染方，企业部门的风险传染渠道是信贷和非正规金融渠道，家庭部门的传染效应是区域系统性金融风险的重要因素。学者们从多个角度深入研究系统性金融风险的影响因素，如宏观层面的生产者价格指数（李正辉等，2017）和中观层面的部门结构（宋凌峰和叶永刚，2011），也有研究从微观层面分析企业债务对区域系统性金融风险的外溢效应（Bernanke et al.，1999）。近年来，我国企业部门的债务水平明显高于国家水平，严重加剧了金融体系的脆弱性，地方金融风险暴露出不少问题（陶玲和朱迎，2016；苟文君等，2016；纪敏等，2017；刘一楠和王亮，2018）。

数字金融是传统金融与新兴科技结合的金融创新，金融创新对金融风险的影响主要有两种观点。部分研究认为金融创新能够促进风险的分散转移，从而缓解高区域性、系统性风险（唐文进等，2019）；另一部研究则认为金融创新主要聚焦于风险的转移，但不能消除系统性风险，在金融创新的过程中产生的无序和过度创新反而会改变金融结构，造成金融体系的不稳定（Beck et al.，2012）。数字金融在与商业银行业务和技术融合过程中，对商业银行的经营效率和风险管理造成冲击，引发新的风险（吴晓求，2015），商业银行的风险在整个金融体系内传播，最后造成系统性风险。数字金融业务中不少业务是通过线上办理，缺乏可靠的资信评估及深入调研，这些数字金融业务无疑会对金融体系产生影响（杨才然和王宁，2015）。

数字金融借助大数据、云计算等技术极大革新了传统金融交易方式，显著提升了资金融通效率。伴随着互联网技术的发展，数字金融衍生出多种应用场景，突破线下交易的地理约束，有效降低融资门槛，拓宽融资渠道（王娟和朱卫未，2020）。同时，大数据、区块链技术的应用能够迅速、全面捕捉市场交易的各种信息，极大降低市场中存在的信息不对称性。而且，数字金融通过金融市场发出的各种信号识别出市场反馈情况，这将提升风险识别与处置效率，从而为金融风险防控提供参考。另外，数字金融政策性和靶向性的特质引导金融资源在实体经济中有效配置，优化宏观经济环境，有助于缓解单一银行信贷模式造成的融资约束，提高金融服务实体的效率（汪亚楠等，2020）。因此，数字金融对于优化金融生态、缓解区域系统性金融风险具有积极意义。

基于上述分析，本文将数字金融与区域系统性金融风险纳入同一框架进行分析，厘清数字金融对区域系统性金融风险的影响机制。与以往研究不同，本文的创新之处在于：首先，研究视角不同，本文从数字金融发展的角度分析其对区域系统性金融风险的影响机制，弥补了这方面研究的空白；其次，在研究内容上，本文进一步分析数字金融缓解区域系统性金融风险的影响机制，探讨不同数字金融发展维度对区域系统性金融风险的影响效果，并对比数字金融对不同区域金融风险的影响差异；最后，本文还分析了监管框架下数字金融对区域系统性金融风险的影响效果，为金融科技监管体系的发展提供新思路。

二、理论分析与研究假设

数字金融会对传统金融业造成冲击，挤占传统金融业务的市场。如图1 所示，一方面，数字金融具有较强便捷性，移动支付、网上银行等业务替代了传统支付结算等业务，压缩传统金融业务的利润空间；另一方面，数字金融交易成本低，更容易获得客户人群的认可，从而挤占传统金融的市场份额。金融机构为了争夺市场加剧竞争，展开价格竞赛，但是中小金融机构的竞争力往往无法与大型金融机构相比，大型金融机构议价能力强，金融科技发展的速度也要高于中小金融机构，导致中小金融机构生存环境更为恶劣。在我国，大多数中小金融机构为地方金融机构，主要服务当地企业与地方经济的发展，中小金融机构面临经营困境时，就会引发区域系统性金融风险。此外，数字金融在扩张客户规模时降低了资信、抵押品等准入门槛要求，其资产质量进一步降低，导致系统性金融风险的增加。

图1 数字金融发展对区域系统性金融风险影响机制

数字金融在互联网技术的驱动下衍生出多种金融业务应用场景，对传统线下融资平台进行扩展，拓宽融资渠道，并且还减少了复杂的融资流程，大大降低融资成本，促使更多资金流入实体经济，更好地支持实体经济的发展，缓解区域系统性金融风险。大数据加持下的数字金融能够更好地获取市场信息，极大缓解了市场交易中的信息不对称问题。此外，数字金融促使地方政府不再过度依赖银行信贷进行融资，为地方政府融资提供更多选择，缓解地方政府债务的压力，而且大数据可以为地方政府提供更为客观的信用评级，减少地方政府债务问题，从而缓解区域系统性金融风险。数字金融的发展对于解决信息不对称性具有天然优势，依靠大数据进行的信息披露将更为透明，从而减少道德风险等代理问题，高效的信息披露也会促使金融市场健康运转。数字金融还能够缓解资源错配等问题，通过大数据使得金融市场的定价更加合理，提高资源配置效率，极大减少了金融资源的错配，缓解区域系统性金融风险。数字金融的发展还具有明显的靶向性特征，能够优化外部金融环境，丰富金融产品和服务，从而缓解传统金融依赖信贷为主的融资约束问题，引导市场资本有效服务实体经济。

基于上述分析，数字金融对区域系统性金融风险的影响表现在两个方面，因此，本文提出假设Ha和Hb。

Ha：数字金融发展增大了区域系统性金融风险。

Hb：数字金融发展缓解了区域系统性金融风险。

三、研究设计

（一）样本选择与数据来源

区域系统性金融风险主要反映区域性、系统性的金融风险，因此本文选择我国31 个省级层面的样本作为研究对象，采用北大数字普惠金融指数作为数字金融发展的代理变量与构建的区域系统性金融风险指数进行匹配，检验数字金融发展对区域系统性金融风险的影响。本文的主要数据来源于北京大学数字普惠金融中心、国家统计局、中经网、Wind 数据库及《中国统计年鉴》等，样本数据时间为2011年～2019年。

（二）模型设计

为了检验数字金融对区域系统性金融风险的影响，构建模型如公式（1）所示。

其中，i表示地区，t表示时间，RFR表示区域系统性金融风险，Finance表示数字金融，Control表示控制变量，μi和λt分别表示地区效应和时间效应，ε表示误差项。为了检验结果的准确性，本文采用双固定效应模型对方程进行回归估计。

（三）变量设计及描述性统计

1.区域系统性金融风险。本文借鉴沈丽等（2019）对区域系统性金融风险构建的指标体系进行计算，选取金融部门、企业部门、政府部门及宏观经济环境四个维度构建区域系统性金融风险的指标体系（见表1）。采用主成分分析进行降维处理，合成的区域系统性金融风险综合指数具有全面性、系统性，符合我国区域系统性金融风险的特征。

表1 区域系统性金融风险指标体系

2.数字金融。本文采用北京大学数字金融研究中心构建的数字普惠金融指数作为数字金融发展的代理变量，该指数包含数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度三个维度，对33 个具体指标采取层次分析法编制合成数字金融指数。

3.控制变量。控制变量选择影响区域金融风险的主要因素包括失业率（Unemployment）、金融深度（Depth）、产业结构（Industrial）、教育水平（Education）以及城镇化水平（Urbanization）。其中失业率（Unem⁃ployment）定义为地区失业率，金融深度（Depth）定义为金融机构总资产与GDP之比，产业结构（Industrial）定义为第三产业产值与GDP 之比，教育水平（Educa⁃tion）定义为受高等教育人数与常住人口之比，城镇化水平（Urbanization）定义为城镇人口与总人口之比，本文相关变量定义如表2所示。

表2 变量定义表

表3 所示为变量描述性统计结果。数字金融指数的标准差为91.65，说明我国地区数字金融发展水平存在较大差异，区域系统性金融风险指数标准差为0.988，我国区域系统性金融风险水平整体较为平稳。

表3 变量描述性统计

四、实证结果分析

（一）基准回归

数字金融对区域系统性金融风险的影响如表4所示，列（1）（2）（3）分别表示不加控制变量、加入失业率与金融深度、加入所有控制变量的回归结果。数字金融（Finance）的系数在三个模型中均显著为负，说明数字金融能够有效降低区域系统性金融风险，验证了假设Hb，这说明相比数字金融发展的负面影响，数字金融对区域系统性金融风险带来了更多的积极作用。数字金融发展能够缓解交易双方的信息不对称、提高市场透明度、减少道德风险等代理问题。同时，数字金融提高资金融通效率，降低市场交易成本，避免金融资源的错配，并减少地方政府债务，有效缓解区域系统性金融风险。控制变量方面，金融深度、产业结构的系数显著为负，也说明金融发展深化、产业结构升级能够缓解区域系统性金融风险。

表4 数字金融对区域金融风险的影响

（二）稳健性检验

由于金融风险具有一定的累积效应，本文考虑将区域系统性金融风险的滞后项纳入模型中，构建模型如公式（2）所示。

由于模型加入被解释变量的滞后一期，可能存在一定的内生性问题。为了减少内生性问题，本文采用系统GMM对模型进行估计以识别结论的有效性和稳健性。首先进行过度识别检验和干扰项序列自相关检验，Hansen J-test 结果显示模型工具变量使用合理，AR（1）、AR（2）结果显示模型干扰项不存在序列自相关性，可以采用系统GMM估计。检验结果如表5的模型（1）所示。此外，本文采用替换区域系统性金融风险指数进行稳健性检验，改变区域系统性金融风险指数的计算方法，用熵值法替换主成分分析重新计算区域系统性金融风险指数，检验数字金融对区域系统性金融风险的影响，检验结果如表5 的模型（2）所示。由于样本中西藏数据与其他地区差异较大，本文将西藏数据删除后对全国30 个省份的样本进行估计，检验结果如表5 的模型（3）所示。在三种稳健性检验中，数字金融的系数均显著为负，验证了数字金融对区域系统性金融风险的缓释效应，回归结果与基准结果一致。

表5 稳健性检验

五、进一步分析

数字金融的发展能够缓解区域系统性金融风险，降低地方金融波动的隐患。如上文所述，数字金融先天的信息优势能够降低信息不对称性，从而缓解区域内企业融资约束困境；数字金融为企业拓宽线上融资渠道，促进企业的良性发展，为地方金融发展创造良好的融资环境。此外，数字金融的信息优势有利于地方政府债券定价，并降低政府债务融资成本，数字金融的靶向性特征又能有效缓解地方政府单一信贷的融资困境，有效提升地方政府债务融资规模，因此极大缓解地方政府债务的压力，降低政府债务风险，从而阻断区域系统性金融风险的政府债务风险源头。基于此，本文从区域融资约束和地方政府债务风险两个方面检验数字金融缓解区域系统性金融风险的影响机制。本文借鉴温忠麟等（2004）提出的中介效应检验步骤，设立模型如公式（3）至公式（5）所示。

其中，MODit为区域融资约束和地方政府债务风险的代理变量，区域融资约束采用区域内金融机构网点密度表示，地方政府债务风险采用区域内地方政府债券总额与财政收入之比表示，其他变量同基准模型。检验结果如表6 所示，回归结果（1）（2）（3）分别为地方政府债务风险作为中介变量的影响机制检验，回归结果（4）（5）（6）分别为区域融资约束作为中介变量的影响机制检验，数字金融与地方政府债务风险回归系数显著为负，数字金融能够显著降低地方政府债务风险；数字金融能够缓解地方政府债务风险，同时也降低区域系统性金融风险，中介效应显示为部分中介。数字金融能够为地方政府债务提供更为合理的定价，从而减少地方政府债务定价成本，并使得地方政府不再过度依赖以银行信贷为主的融资模式，提升地方政府债务的融资规模，缓解地方政府债务压力，减少区域金融风险隐患；数字金融与区域融资约束回归系数显著为正，数字金融发展能够有效缓解地方融资约束问题；数字金融发展能够缓解地区融资约束困境，中介效应显示为部分中介，说明数字金融发展一方面降低了地方政府债务风险，一方面缓解了地方融资约束，从而降低区域系统性金融风险。数字金融在缓解信息不对称方面具有天然优势，能够为交易双方提供准确定价，提高区域内企业的融资效率。数字金融的线上业务也为企业提供更多的选择，拓宽融资渠道，有效缓解企业的融资约束困境。

表6 回归结果

（一）不同维度数字金融发展对区域系统性金融风险的影响

北大数字金融中心编制数字普惠金融指数时将数字金融分为三个维度：数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度，数字金融使用深度下还分为支付、保险、货币基金、信用服务、投资、信贷等分类指数。本文按照数字金融覆盖广度（Cover⁃age）、数字金融使用深度（depth）和普惠金融数字化程度（degree）三个维度及数字金融使用深度下的支付（payment）、保险（insurance）、信贷（creditloan）三个子指数对数字金融指数进行分解，分析数字金融发展不同维度对区域系统性金融风险的差异。检验结果如表7 所示，在数字金融发展的维度上，只有数字金融使用深度系数在5%水平下显著为负，数字金融覆盖广度和普惠金融数字化程度均对区域金融风险影响不显著，说明数字金融的发展深度才是有效缓解区域系统性金融风险的渠道，数字金融使用深度也反映了地区数字金融与传统金融的结合程度，数字金融与传统金融的深度结合能够有效降低交易成本，提高市场透明度，优化资源配置效率，从而降低区域系统性金融风险。在数字金融使用深度下的支付、保险和信贷三个子指数中，只有支付的系数在1%水平下显著为负，表明数字金融使用深度的风险缓释作用也主要表现在支付结算业务中，高效的移动支付方式会大大提高金融交易的效率，从而有效提高地区资金的配置效率，缓解区域系统性金融风险。

表7 不同维度数字金融分解机制

（二）数字金融在金融强监管下对区域系统性金融风险的影响

2017 年，我国出台一系列监管措施加强对金融体系的监管，数字金融对区域系统性金融风险的缓释效应在这一强监管措施下会如何变化？本文进一步加入虚拟变量Regu作为强监管政策的代理变量，考察强监管政策的影响，当时间大于2017年时，Regu取1，否则为0，并加入强监管政策与数字金融的交互项反映其对数字金融风险缓释效果的影响，检验结果如表8 所示，在依次加入控制变量后，强监管政策与数字金融的交互项依然显著为负，这说明强监管政策会增强数字金融的风险缓释作用，在外部监管政策的引导下，数字金融进一步发挥缓解区域系统性金融风险的作用，这为监管方向的调整和数字金融发展的导向提供参考。

表8 金融强监管对数字金融的风险缓释效应影响

（三）数字金融发展对区域系统性金融风险的异质性分析

本文进一步考察不同区域下数字金融发展对区域系统性金融风险的影响差异，按照东、中、西部地区将全国31个省份分为三类样本；此外，将直辖市单独作为一类样本，其余27个省份作为一类样本，分区域进行异质性分析。检验结果如表9所示，在东、中、西部地区中，只有东部地区的数字金融能够有效缓解区域系统性金融风险，东部地区数字金融发展起步早，数字金融发展深度和水平高于中部地区和西部地区，因此数字金融的作用在东部地区更为显著，而中部地区和西部地区的数字金融水平有待进一步深化。在省级地区和直辖市两类样本中，省级地区的数字金融能够有效缓解区域系统性金融风险，而直辖市的数字金融系数并不显著，数字金融在省级层面能够更加深入地与传统金融业有机结合，缓解区域系统性金融风险，直辖市限于区域范围较小，数字金融并未深入发展，其风险缓释作用也较弱。

表9 不同地区的异质性分析

六、结论与启示

本文检验数字金融发展对区域系统性金融风险的影响效应，采用2011～2019年省级面板数据构建区域系统性金融风险指数，并与北京大学数字普惠金融指数进行匹配，通过双向固定效应对模型进行估计，发现数字金融能够有效缓解区域系统性金融风险。机制检验表明数字金融通过缓解地方融资困境和地方政府债务压力降低区域系统性金融风险。在数字金融发展的三个维度中，数字金融使用深度是这一风险缓释效应的主要渠道，而在数字金融使用深度的子维度中，移动支付是区域系统性金融风险降低的主要手段。同时，本文进一步考察2017 年强监管政策对数字金融的风险缓释作用产生的增强效果，在东、中、西部地区中，数字金融发展较为成熟的东部地区表现出显著的区域系统性金融风险缓释效应。此外，数字金融在更广的省级层面能够有效降低区域系统性金融风险，这为区域系统性金融风险的防范与化解提供政策启示。

本文的主要启示有：首先，数字金融的发展能够有效缓解系统性金融风险，大力发展数字金融是系统性金融风险防控措施中的重要手段，地方政府要加大对金融科技创新的投入，以促进地区数字金融的发展；其次，数字金融的作用主要反映在使用深度方面，在地方数字金融发展过程中，应避免一味扩张数字金融的覆盖面，深化数字金融在区域的发展水平是发挥数字金融作用的重要一环；再者，在区域监管政策措施的实施中，要注重与数字金融发展水平相契合，使得数字金融最大程度降低系统性金融风险；最后，中部及西部地区要紧抓数字金融发展的后发优势，积极学习借鉴东部地区数字金融的发展经验，尽快提升数字金融发展水平，缓解当地的系统性金融风险。