数字金融对商业银行风险承担的影响研究——基于中国银行业的实证分析

王 蕊，杨顺晶

（西华大学经济学院, 四川成都 610041）

一、引言

新时期我国坚持创新驱动发展，全面塑造发展新优势。2020年10月，党的十九届五中全会审议通过《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，提出要加快数字化发展，推动数字经济和实体经济深度融合，将数字化发展提升到国家战略层面，这对金融数字化也提出了更高的要求。伴随互联网技术的迅猛发展，基于人工智能、区块链、云计算、大数据等数字技术的新型金融业务模式，在降低金融服务成本、提高金融服务效率、促进金融资源市场化配置等方面发挥了巨大的作用。那么，数字金融的蓬勃发展对中国传统金融机构经营行为有怎样的影响呢？

商业银行作为金融机构的核心组成部分，在信贷资源配置方面发挥着重要作用。已有研究表明，新兴市场国家的银行稳定性是影响其经济增长的主要因素（Levin，1997）。但自20世纪70年代以来，随着银行业规模不断扩大，银行危机频频爆发，实体经济屡遭重创。2007年金融危机引发了社会各界的的深刻反思，经济学家普遍认为，商业银行的过度风险承担行为是金融市场发生不稳定甚至蔓延为危机的重要原因之一（Diamond和Rajan，2005；Cornett等，2011）。由此，分析商业银行风险承担行为再次成为学术界的重要研究话题。

随着新一轮技术革命的到来，数字金融在提高业务效率的同时，也势必对传统银行业产生冲出。基于此，本文拟分析数字金融发展对中国商业银行风险承担的影响。一方面，中国已迅速崛起成为全球数字金融创新中心；另一方面，在中国，银行仍然是金融服务的主要提供者。因此，相较于那些对银行依赖程度较低的国家，我国商业银行过度的风险承担可能会产生更大的负面影响。因此，本文认为中国银行业是探讨该话题的合适样本。

本文采用2011－2018年200余家中国商业银行数据，实证分析我国数字金融发展对银行风险承担的影响。研究发现，数字金融的蓬勃发展会加剧商业银行风险承担。在此基础上，考察了数字金融作用于银行风险承担的机制。此外，还研究了商业银行微观特征和宏观环境对上述效应的异质性影响。

本文边际贡献如下：（1）研究视角方面，已有研究大多基于银行微观特征或宏观经济角度分析银行风险承担渠道影响因素，尚未考虑数字金融发展这一重要的时代特征。本文从数字金融这一角度出发，探讨其对银行风险承担渠道的作用机制和影响效果，拓展了银行风险承担影响因素的文献；（2）研究内容方面，本文围绕数字金融影响银行风险承担水平这一问题，不仅分析了影响效应，还进行了机制分析，发现上述效应主要通过影响银行盈利水平和资产组合风险发挥作用；此外，本文还考察了银行微观特征和宏观环境对上述效应的调节作用；（3）研究意义方面，本文面向数字金融蓬勃发展的现实背景，立足防范系统性金融风险的现实需求，聚焦新时期外部市场变化，探讨数字金融对银行的影响效应、作用机制和异质性条件，为监管部门制定合理政策防范金融风险、为商业银行深化供给侧改革提高服务实体经济能力提供实证依据。

本文余下部分安排如下：第二部分为文献综述；第三部分为研究设计，包括数据、变量和计量模型设定的介绍；第四部分是估计结果；第五部分为拓展研究；第六部分为研究结论。

二、文献综述

（一）银行风险承担影响因素研究

已有研究主要围绕两方面展开。

一部分文献关注银行特征，如银行规模会对银行风险造成影响，且与风险承担呈U形关系（Saunders等，1990；宋清华等，2011，谭政勋，2013）；资本充足率的增加会降低增加资产风险的动机（Furlong和Keeley，1989；宋琴和郑振龙，2010）；流动性冲击会引发银行挤兑进而增加银行风险，（Diamond和Dybvig，1983；刘航，2013）；资金来源多样化方面，Demirguc-Kunt和Huizinga（2010）认为非利息收入可以提高资产回报率，进而分散银行风险；公司治理方面，王倩等（2007）发现，第一大股东持股比例越高，则风险承担越低，当董事会规模越大，高管人员薪酬越高时，银行的经营越稳健。

还有部分文献聚焦外部环境对银行风险承担的影响。例如，Boyd和Denicolo（2005）、李双建和田国强（2020）认为银行竞争程度会加剧银行风险承担。Borio和Zhu（2012）、蒋海等（2019）认为宽松型货币政策会通过杠杆机制提高银行杠杆化程度,加剧银行风险承担。Demirguc-Kunt和Detragiache（2002）认为存款保险制度会增加银行风险，但胡援成等（2020）发现存款保险制度并未显著增加中国银行业的风险承担水平。Barth等（2004）研究发现，对银行进行强制信息披露监管可以促进银行业绩提高，减少银行风险；李晓庆和郝丽风（2013）认为资本监管会影响银行风险进而影响货币政策。政治制度方面，段军山和肖友生（2017）认为单一的政治制度环境因素并不会抑制或约束商业银行风险承担,反而使其承担更多的风险，但Wang和Sui（2019）研究发现，随着政治机构民主的增强外资银行的稳定性也会增强。此外，Gamze和Amine（2020）、龚晓叶和李颖（2020）发现发展普惠金融进程总体上提升了银行的风险承担水平。

（二）技术发展与银行经营相关研究

近年来，越来越多的专家学者开始探讨技术对传统金融机构的影响。银行盈利方面，于波等（2020）研究发现，数字金融对商业银行的盈利能力存有不利影响，即数字金融给商业银行带来的"竞争效应"大于"技术溢出效应"。王均山（2020）研究发现，数字金融发展初期会改变市场竞争格局、降低商业银行零售业务盈利能力，但在中后期，随着数字金融降低交易成本、优化客户体验的作用逐渐发挥，以及与数字金融企业合作共赢，盈利能力逐渐提升。银行信贷方面，战明华等（2018）探究了互联网金融发展如何影响货币政策对银行信贷渠道的传导机理与传导效果问题；孙旭然等（2020）从中小企业融资的角度出发，研究发现数字金融的发展有利于信贷信用结构与期限结构的改善。

银行竞争格局与风险方面，有少量文献认为金融科技会恶化商业银行资产结构，增加商业银行融资成本、蚕食商业银行利润、加剧价格竞争，从而加剧银行风险承担（汪可，2018a；杨文捷，2020）；但更多的文献认为，随着监管的加强和商业银行的逐渐转型，银行能够通过运用数字金融来降低成本和控制客户违约风险，为客户提供更多金融服务，进而降低商业银行风险承担。例如，汪可等（2017）发现金融科技与银行风险承担呈倒U型曲线关系，且非系统重要银行风险承担水平更高。郭品和沈悦（2015）结合我国2010－2012年36家商业银行微观样本研究发现，互联网金融虽然不能在数量规模上对传统金融造成冲击，但能够通过恶化存款市场的竞争渠道以及抬高付息成本，加剧商业银行的风险承担，并且量化了两种渠道对商业银行风险提高的贡献。邱晗等（2018）认为数字金融发展会带来存款竞争，使得商业银行更依赖于批发性融资，进而提高负债端成本，但银行借贷利率却并没有同步上升；为弥补负债端的损失，商业银行会选择持有更高风险的资产；金洪飞等（2020）和姚婷等（2020）与之相反，认为金融科技的应用通过优化银行业务流程、减少信息不对称缩小了大银行与中小银行在获取软信息方面的能力差距，从而增加了大银行对小微企业的贷款，进而改善了银行风险承担能力。

关于技术进步的度量，目前学术界较为主流的方法或指标包括有文本挖掘法（郭品和沈悦, 2015）、第三方支付规模（战明华，2018）和北京大学数字金融研究中心编制的中国数字普惠金融指数（郭峰等，2020）。文本挖掘法即用构造好的关于技术的词库，通过百度搜素初始词库、计算词频，然后用因子分析法合成指数。第三方支付规模主要用来作为互联网金融的代理变量。中国数字普惠金融指数是用蚂蚁金服的底层数据，计算各省市以及地级市的普惠金融指数，它从覆盖广度，用户使用深度，数字化发展程度几个方面来度量数字金融的发展程度，表现得更加全面，更能反映数字金融的普惠性。

综上所述，大批学者基于银行自身因素和宏观环境角度探讨银行风险承担的影响因素，关于数字金融发展这一新兴事物对其影响的研究时间较短，尚未形成一致结论；对于数字金融影响银行风险承担的作用机制和异质性分析更为稀少。因此，本文将在现有研究的基础上探讨数字金融对我国商业银行风险承担的影响效应和作用机制，并进行异质性分析，以期丰富相关文献。

三、实证研究设计

（一）样本与数据来源

本文样本覆盖2011－2018年中国主要商业银行，包括5家国有银行、12家股份制银行、30家外资银行和154家城商银行。银行数据来自BankFocus数据库和银行年报。此外，本文涉及到的数据还包括北京大学数字金融研究中心发布的中国数字普惠金融发展指数和国家统计局以及各省市统计年鉴的宏观数据。

（二）变量说明

本文变量定义如表1所示，详述如下。

表1 变量定义

1.被解释变量

银行风险承担。已有文献一般选用Z-score（张健华等，2012；祝继高等，2016）、不良贷款率（张宗益等，2012）、风险资产比例（金鹏辉等，2014；李双建和田国强，2020）等。区别于后两者聚焦信贷风险，Z-score可以衡量银行总体风险，因此本文选用取对数后的Z-score指标作为银行风险承担的代理变量，计作RISK_Z。此外，本文还选用不良贷款率即不良贷款占总贷款的比例进行稳健性测试，计作RISK_NPL。

Z-score的计算公式如式（1）所示。

其中，ROA表示银行收益率，EA表示银行产权比率，σ(ROA)表示收益率波动（用3年滚动窗口计算）。Z值越小，银行破产的概率越大，即银行稳健性经营程度越低、风险承担水平越高或风险越大。为了尽可能减少异常值，本文运用winsorize方法对数据进行前后各1%的缩尾处理，再用插值法补全数据中的缺失值。

2.解释变量

本文的核心解释变量是数字金融发展程度。目前，北京大学数字金融研究中心编制的中国数字普惠金融指数应用较为广泛。该指数的建立与传统普惠金融指数类似，采用中国最具代表性的数字金融企业蚂蚁金服的底层数据，计算了各省市以及地级市的普惠金融指数，包括总体的数字普惠金融指数以及各分量指标：覆盖广度、使用深度和数字化程度（郭峰等，2020），可以很好地反映中国的数字金融发展程度。因此，本文选用该指数来衡量数字金融发展程度，计作DIFI。

同时，考虑到不同分指标所指代的内容不同，本文还采用数字金融覆盖广度（IFC）的对数、数字金融用户使用深度（IFU）的对数和普惠金融数字化程度（DL）的对数进行进一步分析。

3.控制变量

控制变量包括银行变量、城市变量和省份变量。其中，银行变量包括：（1）权益资产比（EA）。例如，祝继高等（2016）发现大股东的股权占比越大，越有可能掏空银行的资产，从而造成银行风险水平增加。（2）流动资产占比（LA），流动资产占比越大，代表银行的现金流更充沛，银行不容易发生经营风险。（3）成本收入比（CI），成本收入比越小，说明银行融资成本较低或者贷款收益越高。（4）银行规模（Size）。例如汪可（2018b）发现，一方面大型银行经营存在规模经济，而规模经济有助于银行降低经营成本，减少风险；另一方面，大型银行经营存在范围经济，会随着经营范围的扩大以及政府隐性担保去从事更具风险的活动。城市变量包括各市贷款占GDP的比例（LoanGDP）、当地的生产总值（GDP）；考虑到不同城市的异质性，还添加了城市的虚拟变量。省级变量包括当地的金融竞争程度（各省前五大银行资产占总存款比例的平方和，HHI）。

此外，考虑到不同省份的异质性，添加了省份虚拟变量；为了控制政策层面的其他因素，加入了年份变量。

（三）描述性统计

各项变量的描述性统计如表2所示。可以看出，RISK_Z、RISK_NPL的最大值、最小值与均值存在较大差异，说明不同商业银行的风险承担差异较大。DIFI、IFC、IFU、IFU、DL、DT的方差较小，数据波动较小，这是因为这些数据衡量的是一省或全国一年的数字金融发展程度，因此个体差异较小。

表2 描述性统计

（四）模型设计

本文构建如下估计模型：

其中，下标i代表第i家银行，t代表第t年。RISK代表银行风险变量。DigFin代表数字发展程度，用数字普惠金融指数（DIFI、IFC、IFU、DL）表示。Bank代表银行控制变量，City代表城市控制变量，Province代表省份控制变量。γ代表城市虚拟变量，δ代表省份虚拟变量，θ代表时间虚拟变量。ε代表随机误差项。

本文主要采用固定效应模型FE估计，一方面是固定效应模型允许银行间无法观测的个体效应存在，而这种个体效应是不随时间变化的；另一方面是固定效应模型允许银行间不随时间变化的效应与解释变量相关。估计中的标准误经过异方差调整且在银行层面集聚。在稳健性检验中，本文也尝试了其他多种不同的估计方法。

四、实证研究结果

（一）数字金融发展对商业银行风险承担的影响

表3报告了数字金融发展对商业银行风险承担的影响，各列数据分别是数字金融普惠指数、数字金融覆盖广度、数字金融用户使用深度、普惠金融数字化程度对银行风险承担影响的分析结果。

表3第（1）列中，核心解释变量的回归系数为-1.302，且在10%水平上显著，表明数字普惠金融指数每上升1%，Z值的对数就下降130.2%，二者呈负相关。这说明，数字金融越发达的城市，该地银行风险承担水平越高，即风险越大。可能的解释是，随着数字金融的发展，民众更愿意选择将银行存款投资于基金、理财产品等非存款性的互联网金融产品；这就导致了银行存款流失、银行资产结构恶化。此外，由于零售型存款的获取越来越困难，银行更加依赖银行间市场进行短期的批发性融资。但为了应对融资成本的上涨和盈利空间的萎缩，银行又不得不降低贷款标准，将资金投入到高报酬、高风险、长周期的信贷领域，造成资金的错配风险，进一步提高了银行风险承担。

此外，从表3回归结果还可看出，银行变量和宏观变量对银行风险也有重要的影响：（1）银行变量方面，商业银行的成本收益比（CI）对银行风险承担有负面影响，即银行成本收益比的增加会加大商业银行风险承担，可能的原因是成本收益比越大，说明商业银行的融资成本越高，因此风险承担也就越大；商业银行规模（Size）也对银行风险承担有负面影响，这可能是由于银行“大而不倒”的原理存在(Afonso等，2014)，规模越大的商业银行因道德风险问题而风险越高。（2）宏观经济变量方面，货币增速（M2）越快，商业银行的风险承担水平越高，这与“货币政策风险承担渠道”的发现一致；市场竞争程度（HHI）对商业银行风险承担有负面影响，可能是因为竞争程度越高，银行为了避免被淘汰，会以降低利润，提高成本的方式参与竞争，从而提高银行风险承担水平。

表3 数字金融发展与银行风险承担

（二）数字普惠金融指数分量指标对银行风险承担的影响

表3第（2）列、第（3）列、第（4）列是数字普惠金融分指标作为核心解释变量的回归结果。可以看出，数字金融覆盖广度（IFC）的符号和显著性与基准回归一致，数字金融用户使用深度（IFU）和普惠金融数字化程度（DL）回归结果并不显著，但二者符号与基准回归一致。可见，数字普惠金融指数影响银行风险承担的主要维度是数字金融覆盖广度（IFC）。

数字金融用户使用深度是由蚂蚁金服的支付业务、货币基金业务、信贷业务、保险业务、投资业务、信用业务构成。普惠金融数字化程度指标包括移动化（移动支付笔数占比和移动支付金额占比）、实惠化（小微经营者平均贷款利率和个人平均贷款利率）、信用化（花呗支付笔数占比、花呗支付金额占比和芝麻信用免押笔数占比（较全部需要押金情形）、便利化（用户二维码支付的笔数占比和用户二维码支付的金额占比）），这些业务的用户大多是传统银行覆盖不到的长尾群体，因此，这两个指标反映的是数字金融的发展补充了传统银行的短板，而非数字金融公司与传统银行的业务竞争。

（三）稳健性检验

本文三种方法进行稳健性检验，实证结果均证明具有稳健性。

一是采用不同模型进行回归，结果如表4所示。其中，第（1）列是采用随机效应模型（RE）的回归结果，第（2）列是采用Driscoll-Kraay standard errors模型的回归结果，第（3）列是采用Prais-winsten模型的回归结果。由回归结果可知，使用3种模型核心变量的回归结果依然显著，说明本文研究结论不依赖于特定估计方法。

表4 稳健性检验1：不同估计模型

二是替换被解释变量和解释变量。其中，采用不同被解释变量的回归结果如表5第（1）列所示。由于商业银行面临的主要风险是信用风险，因此本文选用不良贷款率(RISK_NPL)替换Z值作为银行风险承担代理变量。可以看出，核心解释变量的回归系数为正，且在1%的水平上显著，这说明不良贷款率随数字金融的发展而增大，即数字金融越发达，银行信贷风险越大，这与基准回归得出的结论一致。采用不同解释变量的回归结果如表5列（2）所示。本文参考郭品和沈悦（2015）计算“金融科技”指数作为数字金融的替代指标。本文设置了相关词库，在百度搜索引擎上进行搜索，统计词库中的词在新闻中出现的年度词频，最后用因子分析法合成数字金融指数（FinTech）。结果表明，该代理变量的回归系数和显著性也与基准回归结果一致。说明替换解释变量后，本文研究结论仍具有稳健性。

表5 稳健性检验2：不同变量

三是对可能存在的内生性问题进行检验。数字金融有可能在银行风险水平偏高的地区发展更为迅猛，这会导致数字金融发展和银行风险承担之间互为因果，进而造成回归结果存在偏误。为克服这一问题，本文采用工具变量法进行分析，将互联网网民规模作为金融科技发展指标的工具变量。广泛应用的互联网为数字金融的产生和发展提供了核心的基础设施与稳定的网络环境，因此，预计互联网使用人数的增长与数字金融的发展呈正相关；而互联网网民规模与商业银行内部经营模式无直接关系，因此它是数字金融发展合适的工具变量。本文以取对数后的网民规模（NZ）来表示，2SLS工具变量检验结果如表6所示。结果表明，第一阶段回归结果中网民规模的系数显著为正，这与本文预期一致。同时F检验的结果大于临界值，证明工具变量的选择是可靠的；第二阶段的回归结果仍然与主回归一致，即数字金融发展越快，商业银行风险承担水平越高。

表6 稳健性检验3：工具变量回归

五、进一步研究

（一）数字金融发展对银行风险影响的机制分析

由Z值公式（1）可以看出，Z值下降也可能来自：一盈利能力下降，如经营管理不善造成的利润率下降；二收益波动加剧，如资产配置不当；三杠杆率升高，即低资本、高负债。因此，Z值的变动可以用银行的盈利能力、杠杆率以及资产组合变化来表示。本文参考Chen等(2015)、Wang和Sui（2019）的做法，将Z_score值分解为银行收益率（ROA）、银行产权比（EA）和以三年滚动窗口期计算的收益波动率（StdROA），分别表示银行净利润与总资产之比、银行权益资本与总资产之比和银行收益率的方差。进而建立如下模型，分析数字金融对银行风险承担的影响机制：

数字金融对银行风险承担分解变量影响的回归结果如表7所示。第（1）列中，核心解释变量的系数为负，且在5%的水平上显著，说明数字金融的发展是通过降低银行收益率来增大银行的风险承担。第（3）列中，核心解释变量的系数为正，且在10%的水平上显著，说明数字金融的发展还会通过加大银行收益波动率来增大银行的风险承担。正如前文所分析，一方面，数字金融的发展使银行获取零售型存款越发困难，银行变得更加依赖银行间市场进行短期的批发性融资，这就增加了银行运营成本，使得收益率降低，从而增大银行的风险承担。另一方面，为了应对成本的上涨和收益率的降低，银行又不得不将资金投入到高报酬、高风险，长周期的信贷领域，这就使得银行出现坏账的风险增加，收益波动变得越来越大，进一步增大了银行的风险。

表7 数字金融影响机制分析

（二）数字金融发展对银行风险影响的异质性分析

本文围绕银行微观特质和宏观环境围绕上述结果进行异质性分析。

表8汇报了银行微观特质的调节效应。第（1）列、第（2）列报告了银行规模和银行股权性质对数字金融发展的影响的调节作用。结果表明，国有性质、大规模银行受到数字金融的冲击较小。第（3）列、第（4）列分别报告了上市银行与非上市银行对数字金融发展影响的调节作用。本文根据商业银行是否上市创建了虚拟变量，上市为1，非上市为0。从表中可以看出数字金融对上市银行的影响不显著，而对非上市银行的影响显著。这可能是因为上市银行规模较大，存款用户更多以公司存款为主，抗风险能力更强，并且还可以通过证券市场进行融资，缓解了数字金融发展造成的吸收零售存款成本上升带来的资本结构恶化；而非上市银行以城商银行为主，融资渠道单一，因此更容易受到数字金融影响。

表8 异质性分析1：微观特质的调节效应

上述结果实际上映射了大型国有商业银行、股份制商业银行和城市商业银行综合实力的差别。首先，从目标客户来看，大型国有商业银行多为存款利率弹性低的国有企业和大规模客户提供服务，股份制商业银行和城市商业银行则更多关注存款价格弹性高的中小微企业和个人客户（郭品和沈悦，2015），因此，数字金融发展对股份制商业银行和城商银行产生的冲击更加直接。其次，从业务结构来看，近年来大型国有商业银行非利息收入占比不断攀升，业务结构日渐优化，而其余商业银行尤其是城市商业银行依旧以利息业务为主（刘莉亚等，2017），导致其在数字金融发展过程中受到更多不利影响。再者，从监管程度来看，大型国有商业银行由于面临额外的风险管理、信息披露和公司治理要求（王晋斌和李博，2017），因此，其管理体系和治理机制相对成熟完善，进而能够更好地应对来自数字金融的挑战。最后，从角色定位来看，长期以来大型国有商业银行“公有化”色彩浓厚，其在追逐利润的同时，也担负着维护金融稳定的社会责任，致使大型国有商业银行在经营过程中行为更加谨慎（郭晔和赵静，2017）。

表9汇报了宏观变量的调节效应。第（1）列、第（2）列分别报告了银行业数字化转型程度和货币增速对数字金融冲击的调节作用，其中银行业数字化转型程度（DigTrans）来自北京大学数字金融研究中心课题组编写的北京大学商业银行数字转型指数中的年度指数（王诗卉和谢绚丽，2021）。该指数从数字金融认知、数字金融组织和数字金融业务层面反映了商业银行数字化转型程度，数值越高，表明数字化转型程度越深。

表9 异质性分析2：宏观变量的调节效应

表9列（1）结果表明，数字金融与银行业数字化转型程度的交叉项系数显著为正，可以看出商业银行数字化转型能够在一定程度上应对数字金融发展带来的不利影响。随着商业银行开始与互联网企业合作应用数字金融，数字金融有助于商业银行降低信用风险、减少成本，同时进行业务扩展，降低商业银行整体风险承担水平。列（2）结果表明，货币增速对数字金融发展的影响具有调节作用。可以看出，货币增速越快，银行受数字金融发展的冲击越大。这证实了我国货币政策风险承担渠道的存在，表明宽松的货币政策会加剧商业银行的风险偏好，鼓励其承担更多风险（郭品和沈悦，2015）。

六、结论及建议

本文使用我国2011年－2018年201家商业银行数据，实证考察了数字金融发展对银行风险承担的影响。研究发现，数字金融发展会加剧银行风险承担水平。进一步地，研究了上述影响的作用机制，发现数字金融发展通过降低银行盈利水平（收益率）和加大银行资产组合风险（收益率波动）来影响银行风险承担。此外，本文还围绕银行微观特质和宏观变量做了异质性分析，发现数字金融发展影响商业银行风险承担水平受到银行规模、国有股权性质、银行是否上市等微观特质以及银行业整体数字化转型程度和广义货币增速等宏观特质的调节。具体来看，（1）综合实力越强的银行，如国有银行、规模越大的银行以及上市银行等受到金融科技的冲击越小；（2）银行业整体数字化转型程度越高，受到数字金融的冲击越小；（3）宽松的货币政策会加剧数字金融发展对银行风险承担的不利影响。对此，本文提出以下几点建议：

对于商业银行而言，一是，商业银行管理层应该改善公司的运营水平，建立与政策协调的运行机制，积极应对外部环境的冲击，保障银行的盈利能力，加强银行盈利的稳定性。因此，商业银行应该放缓信贷扩张，防止银行受数字金融的冲击从而为了追求利润而过度放松信贷标准，加大风险承担水平。同时，商业银行也应扩展利润来源，提高中间业务等非利息业务的收入占比，缓解因数字金融冲击导致的盈利水平下降。二是，商业银行应积极践行数字化转型战略，以“技术引领”作为转型核心驱动，以“业务升级”作为发展路径，以“组织变革”作为支撑保障，不断完善系统架构、优化业务流程、提升运营管理、强化风险控制、丰富场景生态，以加强自身数字化水平作为深化银行改革的重要手段。此外，中小型商业银行应该加强相互合作，共同抵御外部风险，同时还应与互联网科技公司展开合作，以缓解数字金融发展造成的冲击，进而增强服务实体经济的能力。

对于政府而言，一方面应该强化对商业银行的资本监管。资本监管对银行风险形成一种门槛与约束作用，可以避免大型商业银行的过度信贷政策和中小型商业银行对外部风险抵御能力的不足。数字金融发展对综合实力较弱的商业银行风险承担影响更大，因此，加强资本监管，严格准入门槛，能够有效避免系统性风险的发生。另一方面，政府也应该制定相应政策助力商业银行数字化转型。此外，政府应制定适当的货币政策，同时加强对银行信贷风险的监管，防止宽松货币政策环境下银行的乐观情绪加大数字金融发展对银行风险的冲击。