数字金融发展、金融监管与我国商业银行风险

■梁涵书，张 艺

一、引言与文献综述

随着数字通信技术不断的发展，我国的数字金融发展水平发生了显著提升。数字金融的不断发展，方便快捷的数字金融势必会对传统银行业产生影响。数字金融的发展对商业银行带来了怎样的影响？银行应该如何应对数字金融发展所带来的冲击？政府积极探寻监管方式对现状又有着怎样的影响？探究这些问题，并为传统银行和政府部门提供在数字金融发展背景下的应对策略，以及探寻数字金融可持续发展的方式，具有很强的理论意义和现实价值。

许多学者已开始关注数字金融与商业银行之间的关系。有一部分认为数字金融的发展对商业银行带来了有利的影响。Syed（2013）研究发现，银行通过数字金融，以最简便的方式提供服务，在保障安全及隐私的条件下会有助于银行降低成本、节约时间和保留更多潜在用户。丁蔚（2016）研究认为，数字金融的发展带来“数据流”的整合升级，为商业银行进行数字计划转型升级提供了基础。胡颖（2019）研究认为，数字金融的发展为商业银行支付、信贷管理方面提供了有效的技术支撑，尤其是在票据融资方面能够降低人工成本、提升信息核实的效率，有效缓解小微企业的困境。陆珉峰（2020）研究认为，在新冠肺炎疫情背景下，银行线下网点无法正常运营，数字金融为商业银行提供了线上运营的技术支持，不仅能使得银行业务继续开展，也能帮助小微企业度过疫情停工的难关。另一部分认为数字金融的发展会对商业银行带来冲击。Acharya（2004）研究发现，虽然数字金融提升了银行经营规模，但增加了商业银行的科技成本和与其他商业银行的竞争。封思贤（2019）研究发现，数字金融的发展加剧了银行竞争程度，对商业银行产生了一定的冲击，影响了商业银行的收益同时却降低了商业银行的成本。李海峰（2019）研究发现，数字金融的发展使得银行客户拥有更多的渠道来选择金融产品，所以商业银行在同业竞争中必须要转型升级，改变传统的服务模式，从而防止客户流失和寻找新的突破点。

通过上述研究可以发现，随着数字金融的不断发展，其与商业银行的关系日益紧密。但现有文献仍存在一定的局限性：一方面，在现有文献中，实证研究的文献较少；另一方面，少数实证研究中仅通过单一金融产品或是宏观层面数据进行研究，并没有能考虑到不同地区数字金融发展水平的差异，更没有从国家监管角度进行分析。因此，本文从我国69 家城市商业银行2011—2018 年的数据出发，将数字金融发展指数与不同地区的银行进行匹配，测度数字金融对商业银行风险的影响，将其细分为广度指数、深度指数和数字化指数进行分析，并进一步纳入金融监管因素进行探讨，从而为商业银行、金融监管机构应对数字金融冲击以及数字金融自身发展提供建议。

二、数字金融发展对商业银行风险影响的作用机制

（一）商业银行风险受到的负面影响

从商业银行的业务流程看，数字金融带给商业银行风险的负面影响主要集中在三个方面。一是数字金融发展势必会挤占商业银行的市场份额。以交易支付为例，大部分人已经习惯使用非银行支付机构提供网络支付业务，银行业网上支付业务的交易数量仅占全部网络支付业务的9.87%。由于惯性效应，余钱会被留在经常使用的支付工具中，致使商业银行活期存款资金被分流。特别是随着支付宝和微信支付规模的不断扩大，这种分流作用愈加明显，商业银行流动性风险进一步扩大。二是与数字金融相比，商业银行的交易成本更高。从信贷流程看，数字金融一方面通过简化业务流程，降低了业务办理的时间和次数，使得潜在客户更加愿意通过方便快捷的数字金融办理信贷业务；另一方面，数字金融通过降低信贷门槛，减少抵押率甚至是无需抵押品，扩大了潜在客户人群。而商业银行为了控制风险、保证资产质量制定了详细的信贷审查流程和较高的抵押率，这使得商业银行信贷业务在数字金融面前失去了竞争力。三是数字金融带来了激烈的价格竞争。在理财业务方面，人们往往只关注最关键的收益率，而忽略了其中的风险因素。这导致数字金融为了抢占市场，会为客户提供收益率更高的理财产品，加剧整个金融市场上价格竞争，传统商业银行筹集资金的成本也随之不断上升。

（二）商业银行风险受到的正面影响

数字金融的发展为商业银行提高自身业务水平带来了机遇。一是数字金融产品的多样性为商业银行业务开展提供了一定的参考。二是通过数字金融能促进信息披露的完整性，征信信息能在不同部门之间流通，减少信息不对称风险。三是通过数字金融的冲击，能够倒逼传统商业银行转型升级，提升银行经营管理水平，降低操作风险。

综合上所述，本文提出以下假设：

H1：数字金融发展增加了商业银行风险。

H2：数字金融发展降低了商业银行风险。

三、研究设计

（一）数据来源

由于以城市商业银行为代表的中小银行在资产结构、资本规模、经营区域和业务范围相对于大型银行而言还存在较大差距，对地区性金融业务存在更大的依赖性，故而在数字金融迅速发展过程中，其比大银行面临更大的风险。因此，本文以我国69 家城市商业银行作为商业银行的代表进行研究，手工整理各城商行历年年度报表数据，各城商行年报来自各城商行官网和中国债券信息网。同时，为了能反映不同地区的商业银行在其经营区域内受到的影响，从年限和省份两个层面将城市商业银行数据与数字金融指数进行配对，数字金融指数采用北京大学数字普惠金融指数（PKU-DFIIC）。最终共得到2011—2018 年的面板数据每组552 个观测值。

（二）变量选取

1.被解释变量

银行风险变量组Risk。已有研究大多数用破产风险Z—Score 值作为风险评判的标准，但在现实生活中银行真正破产的案例少见，不宜将其单独作为衡量标准。因此，本文加入用以衡量存贷利差收入和表外收入的加权资产收益率（ROAA）、衡量存款多少的资本充足率（CAR）和不良贷款率（NPL）来一同衡量银行风险。ROAA、CAR、NPL 均通过各商业银行年报获取，Z—Score 通过滚动计算标准差σROAA和权益资产比EA计算得到。

2.核心解释变量

数字金融发展指数组（DFIIC）。该指数来自北京大学数字金融研究中心，从狭义数字金融的角度得到全国31 个省份337 个地级市的数字金融指数数据。由于城市商业银行主要集中在所在城市和周边城市开展相关业务，因此本文参照唐松等（2020）的做法，回归中主要采用省级数字金融指数对各城市商业银行进行匹配，其中包括数字金融发展总指数（DFIIC）和三个一级指数：覆盖广度指数（DFIIC_C）、使用深度指数（DFIIC_U）、数字化程度指数（DFIIC_D）。

3.控制变量

控制变量组（CV）。参考张雪兰（2012）的方法将单一最大客户贷款比率One、流动性比率LQ（Liquidity）、收入成本比率CIR（Cost—to—Income Ratio）、银行总资产TA（Total Asset）、银行净资产EQ（Equity）、M2货币发型增速（M2）作为本文的控制变量。其中对数值较大的银行总资产和净资产进行对数化处理。各控制变量均可以通过年报数据整理和计算得到，其余数据来源于Wind数据库，表1是各变量的描述性统计。

表1 描述性统计

续表1

（三）模型设计

本文的模型构建如下：

其中，被解释变量是银行风险变量组Riski，t，包括资产收益率（ROAA）、资本充足率（CAR）、Z-Score 值和不良贷款率（NPL）；解释变量DFIICi，t为数字金融发展指数组，包括总指数（DFIIC）、广 度 指 数（DFIIC_C）、深 度 指 数（DFIIC_U）和数字化指数（DFIIC_D）；控制变量CV 包括One、LQ、CIR、lnTA、lnEQ、M2；ε为随机误差。参考王守坤（2017）的做法，经过豪斯曼检验后采用面板固定效应模型（FE），同时采用聚类标准误进行回归分析。

四、基准实证结果与分析

（一）数字金融发展对商业银行风险的影响

表2 是数字金融发展与商业银行风险之间基准关系的实证检验结果。在模型（1）、模型（2）和模型（4）中，数字金融发展指数（DFIIC）与商业银行加权资产收益率（ROAA）、资本充足率（CAR）的相关系数为负值，与不良贷款率（NPL）的相关系数为正，并且在1%的显著性水平下显著；在模型（3）中，与Z 值的相关系数为负，并在5%的显著性水平下显著，结果显示数字金融发展给银行的收益能力、不良贷款率和资产充足率方面带来负面影响，从而增加了商业银行的风险。这说明，虽然数字金融的发展带来了新的技术手段，但是其更高收益率、更便捷的操作方式和更大规模的交易次数，使得数字金融对商业银行带来的不利影响更多。

表2 数字金融发展对商业银行风险的影响：基准回归

本文认为原因主要在于：第一，数字金融在金融科技水平上领先于传统银行业。数字金融能够通过覆盖面广、活跃用户高的手机应用（如淘宝、支付宝等）拉进与用户之间的距离，使得其宣传效果远远大于主要由营业网点组成的商业银行。虽然数字金融的单笔交易金额可能落后于传统金融业，但通过庞大的交易笔数能够吸收更多的零散资金，充足自己的资金规模，进一步支撑其在利率和便捷性方面的优势。第二，相比于城市商业银行主要在本省周边城市发展，数字金融经过多年布局已经形成了全国覆盖的交易网络，并且还能根据不同地区、省份之间差异化需求，针对不同人群、不同行业提供一些理财、贷款产品，比传统商业银行开展业务更有针对性。第三，蚂蚁金服大数据平台等为数字金融的发展提供了有力的数据支撑。传统商业银行贷款主要还是通过人工核验进行信用评估，不仅费时费力，在评估过程中还难免会带有一定的主观判断，并且难以识别信息造假，萝卜章事件时有发生。而数字金融通过云计算、区块链等前沿技术，更便利地了解用户、企业的资产状况和信用水平，在保证业务便利开展的同时也能保证风险管控。

表3 数字金融发展对商业银行风险的影响：滞后处理

考虑到数字金融对商业银行的影响可能带有一定时滞性，并且能缓解反向因果问题，对数字金融发展指数进行滞后处理，表3 结果显示，对数字金融发展指数进行滞后处理后符号和显著性水平大部分没有明显的改变，基本验证了基准回归的结果。但在资本充足率（CAR）方面，滞后2 期（L2.DFIIC）和滞后3 期（L2.DFIIC）的数字金融发展指数并没有展现出显著的影响关系；滞后3期的指数对不良率影响的显著性也有所降低。

在此基础上，为了分析数字金融发展对商业银行影响更深层次的影响，将总指数分解为三个一级指数进行分析。其中，广度指数DFIIC_C（Coverage Breadth）主要通过绑定银行卡的支付账户个数来体现；深度指数DFIIC_U（Usage Depth）主要通过所有账户中实际使用不同金融服务的人数和这些金融服务的活跃程度来体现，包括支付、货币基金、信贷、保险、投资、信用等服务；数字化指数DFIIC_D（Digitization Level）则从服务便利程度、产品实惠程度、信用化程度等方面进行衡量。通过细化数字金融发展来分析其对商业银行在三个维度层次的影响情况。为了反映影响的时滞性并且缓解反向因果问题，继续对一级指数进行滞后处理，具体结果如表4—6 所示。通过研究结果发现，三个一级指数回归的结果基本验证了主回归的结论，假设H1成立。

具体结果显示：一是数字金融广度指数对商业银行的影响更大。以滞后一期的系数为例，对比广度指数、深度指数和数字化指数的系数表明，总用户数所代表的广度指数对商业银行风险的影响更大。二是数字金融发展对资本充足率的影响最大。纵观总指数和一级指数的滞后项系数发现，就加权资产收益率、资本充足率和不良贷款率这三个比率来看，不论是总指数还是一级指数的系数，都要比加权资产收益率和不良贷款率更大，所以数字金融发展对商业银行风险的负面影响主要是数字金融吸收了大量零散存款，使得商业银行在保持资本充足率方面出现困难。三是随着滞后期数增加，数字金融发展对商业银行加权资产收益率、不良贷款率和Z 值的影响十分突出，基本都在1%的显著性水平下显著，仅有深度指数对Z值在部分期数是在10%的显著性水平下显著。与之呈鲜明对比的是，数字金融发展对资本充足率的影响仅在滞后1期显著，而滞后2期、3期不具有显著性。由此可见，数字金融发展对商业银行加权资产收益率、不良贷款率和Z值的影响是长期的、持续的，而对资产充足率的影响主要集中在短期。

表4 数字金融发展对商业银行风险的影响：广度指数

表5 数字金融发展对商业银行风险的影响：深度指数

表6 数字金融发展对商业银行风险的影响：数字化指数

（二）稳健性检验①限于篇幅，结果留存备索。

本文主要使用两种方法对原模型进行稳健性检验。一是将部分外部重大影响因素剔除。本文将网联清算系统的影响进行剔除，将回归时间区间保留在2011—2017 年，重新进行了基础回归和滞后处理的基础回归，稳健性回归结果与原回归保持一致，并且均在1%的显著性水平下显著，显著性优于原回归。二是更替变量的选取方式。将原模型采用的省级层面数字金融发展指数，替换为城市级别数据进行稳健性检验，将城市数字金融发展指数与城市商业银行注册所在城市进行匹配重新构建面板数据，并进行滞后处理。回归结果与原结果保持一致。

五、数字金融发展、金融监管与商业银行风险

2015 年7 月中国人民银行等十部委联合发布《关于促进互联网金融健康发展的指导意见》（以下简称《指导意见》），针对性地对数字金融监管提出了要求。为了衡量国家金融监管下数字金融对商业银行风险的影响，使用引入交乘项的面板双重差分模型进行分析，以2015年《指导意见》的发布作为政策冲击。因此，将《指导意见》发布之后的2016 年作为开始受到国家针对性金融监管SV（Supervision）影响的年度。设定的具体模型如下：

其中，Riski，t为银行风险变量组，DFIICi，t为数字金融指数组，CV为控制变量组，具体同前文所述。SV是数字金融是否受到针对性监管的代理变量，参照钟覃琳等（2016）的做法，利用年份虚拟变量间接衡量政策冲击，如果时间处于2016年及以后，则SV为1，表示数字金融受到金融监管的影响，反之则为0。在模型中参照程令国（2011）的做法，将DFIICi，t与SV进行交互处理得到DFIICi，t×SV。为了考虑一定的时滞性，同时进行一期滞后处理。具体结果如表7所示。

表7 数字金融发展、金融监管与商业银行风险

从表7中可以发现，交互项DFIICi，t×SV的系数无论是在基础回归中还是在滞后1期回归中，对商业银行收益率、资本充足率具有显著的正向作用，对不良率具有显著的反向作用，对Z 值的作用不显著。这说明了随着国家金融监管的发生，数字金融对商业银行的负面影响得到了一定的改善。为进一步保证研究的可靠性，也对三个一级指数进行了同样的操作，具体如表8所示。通过结果发现，其中广度指数和深度指数在金融监管发生的情况下，数字金融对商业银行风险的负面影响也得到了一定的改善，分别在1%的显著性水平和5%的显著性水平下显著，数字化指数的影响变化并不显著。综上所述，一级指数的结果基本上证实了“金融监管下数字金融发展对商业银行的负面影响得到一定改善”的结论。且在广度指数和深度指数的回归结果中，广度指数的系数大小和显著情况也优于深度指数，这也应证了前文“数字金融广度指数对商业银行的影响更大”。

表8 数字金融发展、金融监管与商业银行风险：一级指数

续表8

图1 平行趋势检验

随着金融监管的介入，数字金融发展对商业银行的冲击在一定程度上得到改善，主要集中在价格竞争和流动性风险两个方面。一方面，金融监管的介入使得数字金融机构减缓了资金市场上的价格竞争情况。《指导意见》中要求通过互联网合作销售基金等理财产品的，要切实履行风险披露义务，不得通过违规承诺收益方式吸引客户；通过其他活动为投资人提供收益的，应当对收益构成、先决条件、适用情形等进行全面、真实、准确表述和列示，不得与基金产品收益混同。此举无疑限制了数字金融机构为了吸引客户而不断提高收益率的行为，削弱了金融市场上的价格竞争。在投资者风险厌恶的前提下，随着数字金融与传统银行产品收益率的差别缩小，人们对风险更小的传统银行业产品的兴趣将会提高，不仅降低了传统商业银行的筹资难度，也能在一定程度上改善商业银行的息差收益情况。另一方面，金融监管的介入使得数字金融给商业银行带来的流动性风险得到一定的缓解。从商业银行揽存的角度看，金融监管的介入降低了数字金融价格竞争的程度，商业银行理财产品重新回到客户的视野中，使得部分风险厌恶程度较高的资金重新回流至商业银行。此外，《指导意见》中还要求各数字金融机构将所吸纳的客户资金进行第三方存管，需选择符合条件的银行业金融机构进行资金管理和监督。此举无疑为商业银行降低流动性风险、提升资本充足率提供了一定的保障。从回归结果中也不难发现，无论是在基础回归中还是在滞后1期回归中，总指数交互项和一级指数交互项在资本充足率（CAR）方面系数都最大，说明金融监管介入的缓解作用主要表现在资本充足率上，即流动性风险方面。

为检测本文模型是否满足DID 模型的使用前提，参考秦建文和覃焕（2020）的做法对基础回归进行了平行趋势检验，以说明此趋势是原本就存在还是受政策冲击影响所发生。具体结果如图1 所示，可以发现，在政 策 发 生 前（B3、B2、B1），交互项系数均在0附近且不显著；政策发生后（SV、A1、A2）加权资产收益率交互项系数在5%显著性水平下正向显著，资本充足率交互项系数在1%显著性水平下正向显著，不良贷款率交互项系数在5%显著水平下负向显著，Z-Score 值交互项系数显著性较差。此结果基本上说明了数字金融发展对商业银行风险的负面影响得到改善，是在金融监管的政策冲击下出现的。

六、研究结论与启示

为验证数字金融发展对商业银行风险的影响，利用2011—2018 年全国69 家城市商业银行的年度数据与省份口径的北京大学数字金融发展指数进行匹配，构建面板固定效应模型进行实证分析，主要结论有：一是数字金融发展对商业银行风险具有显著的负效应，并且具有一定的时滞效应。二是数字金融发展的范围越广、用户数量越大，对加大商业银行风险的影响也越大。三是数字金融发展对商业银行风险的影响，主要是通过吸收大量零散资金，使得商业银行的资本充足率不足所导致的。四是数字金融发展与商业银行的收益和不良率的影响在较长的时间范围内都显著，对商业银行资本充足率的影响主要集中在短期。五是金融监管的介入在一定程度上能降低数字金融带来的负面影响。

启示如下：首先，商业银行要完善自身业务能力，积极运用数字金融科技意味着进行业务转型升级，加大信息整理和运用，深挖金融服务潜力，为金融服务实体经济提供依据，将更多资金投向更为需要的行业和地区。其次，数字金融的发展要充分发挥自身优势，积极利用大数据进行信息整合，为广大金融机构提供征信查询、信息服务和技术支持。最后，金融监管部门要合理统筹，完善宏观审慎管理，既要鼓励金融产品创新，也要做好风险防范工作，在合理把控风险的前提下适当为金融产品的创新提供政策支持。同时要积极联系数字金融和传统金融行业，利用大数据平台做好宏观审慎管理。要积极发挥网联清算系统的优势，积极联系数字金融和传统金融行业，利用云计算、区块链等大数据技术构建数据全面、时效性强和信息准确的金融数据库，为国家宏观审慎提供数据支撑。