数字金融发展对区域金融风险的抑制效应——基于省级面板数据的实证检验

刘 骅，崔 婧

（南京审计大学 金融学院，江苏 南京 211815）

一、引言

党的二十大报告指出，应“以经济安全为基础”“用新安全格局保障新发展格局”。2022年10月，中国人民银行在全国人大常委会金融工作情况报告中进一步指出金融安全的重要性，并提出要全面加强和完善金融监管，依法将各类金融活动全部纳入监管，守住不发生系统性金融风险的底线。而随着我国经济增速的放缓，区域金融风险问题值得关注，其在缺乏有效防控时可能会跨行业、跨区域交叉传染，最终演化成系统性金融风险，是影响金融稳定的重要因素之一。因此如何缓解区域金融风险成为学术界和实务界关注的重点议题。

数字金融作为大数据、云计算、区块链等新兴技术与金融领域的有机结合，近年来实现了跨越式发展。根据北京大学数字金融研究中心发布的数据，2021年各省数字普惠金融总指数的中位值由2011年的33.6增长至363.6，年均复合增长率约为26.9%。不断成熟的数字金融技术给传统金融业带来了发展模式和技术创新的机遇，可有效降低交易成本、提高信息透明度、缓解资源错配，在一定程度上能弥补传统金融不足并增强金融体系的风险防范能力。因此，数字金融发展与区域金融风险之间可能存在一定的内在联系，是一个重要的风险抑制因素。本文分析数字金融发展对区域金融风险抑制效应的传导机制与调节作用，对于我国数字金融背景下防范区域金融风险、保障国家经济安全具有重要的理论与现实意义。

二、文献综述

（一）区域金融风险的影响因素与测度

区域金融风险由微观金融风险积累，逐步扩散和传染，可能最终会形成宏观层面上的系统性风险，而此过程受诸多因素影响。银行市场及房地产行业可能是区域金融风险的主要来源（荣梦杰和李刚，2020；梁秋霞等，2021）[1-2]，其中，股份制商业银行的区域特征最为突出（黄湃，2003）[3]，因此一些学者认为用不良贷款率可以较直观地衡量区域金融风险（欧阳资生等，2021）[4]。但宏观经济波动以及外部金融环境对区域金融风险的作用同样不容忽视，无论是体现宏观经济波动的通胀率、GDP增长率等，还是国际金融市场的变化及主权债务危机，都会增加国内金融市场的不稳定性（刘凤根等，2022）[5]。此外，随着地方政府债务规模的不断扩大，一些学者研究发现地方政府债务风险对区域金融风险具有较强的空间溢出效应（陈守东等，2020）[6]。因此，除了不良贷款率外，上述影响因素均被逐步纳入区域金融风险的评价体系。

现有文献关于金融风险测度方法的研究已经较为充分，除了早期的指标预警体系，目前多以模型测度和指数测度两种方式为主。模型测度主要通过或有权益分析法（CCA模型）、网络拓扑等方法对时间序列数据进行分析，以测度金融风险发生的可能性，但该类方法只针对单一部门，无法反映金融系统的整体性风险（方定闯和孔文青，2020；毛捷和韩瑞雪，2022）[7-8]。指数测度主要是通过金融压力指数法进行，由Illin和Ying最早提出，通过对一定时期金融压力的测度构建综合性指标，实现对金融体系整体的把握（Illing和Liu，2006）[9]。此后，利用金融压力指数测度金融风险的研究不断丰富，一些学者使用等方差权重、主成分分析、因子分析三种方法均验证了金融压力指数的准确性和普适性。在金融指标体系构建时，各指标的赋权尤为重要，以模糊综合评价法（FAHP）、固定权重法等为代表的主观赋权法，由于主观随意性大，无法准确衡量风险，因此学界更青睐于使用熵值法这类客观赋权法（谢婷婷和李祎，2020；刘哲，2022）[10-11]。

（二）数字金融发展与金融风险

数字金融作为数字技术与金融领域的结合，学者们从不同角度研究了数字金融发展对金融风险产生的影响。微观层面，现有文献大多集中在金融机构方面，分析数字金融发展如何影响银行的风险承担。我国银行盈利水平差距较大且流动性不足，而数字金融发展能够显著降低银行的主动以及被动风险承担，有效改善银企信息不对称问题，降低信贷及资产价格波动，有利于银行的风险转移与分散，进一步提升其风险承担能力（孙志红和琚望静，2022；金洪飞等，2020）[12-13]。但同时数字金融发展具有一定的时滞性，可能会对以商业银行为核心的传统信贷渠道产生挤出效应，进而加剧金融风险（战明华等，2020）[14]。对非金融上市公司而言，数字金融发展会通过降低融资成本、改善流动性限制等机制，提升企业的风险承担能力，同样起着显著的风险抑制效应（许芳和何剑，2022）[15]。但非金融企业拓宽自身融资渠道的同时，也增加了风险传染概率，可能加剧金融风险（Ozili，2018）[16]。

宏观层面，数字金融发展对区域金融风险具有双重作用，而从整体上看，数字金融对金融风险的抑制作用明显大于加剧作用（欧阳资生等，2021；张忠俊和马克红，2022；李优树和张敏，2020）[4，17-18]。数字金融发展的不平衡和不充分以及金融监管的局限性可能会增加金融脆弱性，金融违约、金融系统的关联复杂性及风险管控难度等问题，加剧金融风险（李优树和张敏，2020）[18]；但是，数字金融发展不仅显著提升了银行和企业的风险承担能力，还能有效缓解市场主体的融资约束困境，降低了地方政府债务融资风险（孙志红和琚望静，2022；许芳和何剑，2022；李晨和丁鑫，2021；侯世英和宋良荣，2020）[12，15，19-20]。此外，数字金融发展提高了实体经济抵御风险的能力，且增强了金融包容性，因此对金融风险的抑制效应更为显著（张忠俊和马克红，2022）[17]。在此基础上，一些学者利用空间杜宾模型进行分析得出了数字金融发展在本区域存在风险抑制作用，而跨区发展时会激化周边地区的金融竞争格局，增加周边地区金融风险的结论（周晔和丁鑫，2022）[21]。

综上所述，现有文献中针对区域金融风险影响因素与测算方法的研究有助于较好地衡量该类风险；学术界也证明了数字金融发展对区域金融风险的直接抑制效应，但该影响的机制研究尚不充分，且鲜有文献关注金融监管在其中的调节效应。

因此，在现有文献的基础上，本文的边际贡献主要体现在以下几方面。

第一，运用熵值法构建金融压力指数对区域金融风险进行测度，并从数字金融覆盖广度、使用深度和数字化程度三方面分析数字金融发展对区域金融风险的影响。第二，基于数字金融特性，在实证检验数字金融发展对区域金融风险有直接抑制效应的基础上，从资本转移和科技创新两个路径分析其间接影响机制。第三，将金融监管纳入“数字金融发展—区域金融风险”分析范式中，通过调节效应检验金融监管在数字金融发展影响区域金融风险过程中的有效作用。

三、理论机制与研究假设

（一）直接传导机制与研究假设

数字金融作为互联网信息技术手段与传统金融服务业相结合的新型金融服务模式，具有技术性和普惠性双重特点，主要从内部改变金融体系，增强其风险抵御能力，进而直接抑制区域金融风险。首先，数字金融发展能够通过提升金融中介的信息搜集能力增强其竞争力，有效解决信息不对称问题，防止逆向选择与道德风险的产生，起到转移和分散风险的作用，有效缓解区域金融风险的集聚。其次，随着金融业的深度发展，数字金融的技术性能改进传统金融产品、促进金融创新，提升金融机构的竞争力，降低其经营风险，从而有效抑制区域金融风险的形成。再次，数字金融发展能有效推动传统金融机构升级和体系重构，优化金融结构，显著提高金融体系的运作效率，增强其风险承担能力。最后，数字金融具有的普惠包容特点，使其适用范围涵盖各个领域，有助于缓解因区域经济发展滞后所带来的金融风险集聚。在研究数字金融发展对区域金融风险的影响时，不能将数字金融作为一个宏观概念简而论之，而需要根据其发展特性进行细分。一方面，数字金融自身存在结构性差异，可根据其发展维度细分为覆盖广度、使用深度、数字化程度三个子维度；另一方面，数字金融发展存在区域性差异。基于以上分析，提出以下假设。

假设H1：数字金融发展对区域金融风险具有直接抑制效应，且存在结构和区域异质性。

（二）中介传导机制与研究假设

1.科技创新的中介机制

数字金融所包含的人工智能、区块链、云计算和大数据等技术，是科技创新的重要组成部分，而科技创新作为提升社会生产力和综合国力的战略支撑，改变了金融业态，对防范化解金融风险起到重要作用。首先，科技创新推动了金融产品及模式的变革，促进了金融服务方式的优化和改进，完善了金融机构的内部经营机制。多层次、宽领域、有差异的数字化金融服务体系的构建，有助于提升金融系统自身免疫能力，进而防范区域金融风险。其次，科技手段有助于简化金融教育环节，降低金融教育成本，提高金融服务受众群体金融素养，缓解区域金融风险。再次，科技创新改变了金融风险的形态和路径，数据安全、信息安全和投资者保护等日益成为新的风险点，金融制度和监管都面临着更高的要求，但同时监管部门也在利用科技创新成果更新监管方式、完善监管制度。以大数据、机器学习等技术为代表的监管科技，既有助于监管部门提升监管能力和效率，也有助于金融机构满足监管合规要求并提升风险抵御能力，进而维护金融系统稳定，防范化解金融风险。基于此，本文提出如下假设。

假设H2：数字金融发展可以促进科技创新进而抑制区域金融风险。

2.资本转移的中介机制

数字金融为资本市场带来风险的同时，更主要的作用在于加速资本转移，为资本市场带来新活力。

第一，资本的跨区域流动离不开金融基础设施，数字金融能通过标准化、规范化的数字手段促进区域金融设施的均等化，进而加速资本流动，有助于解决欠发达地区金融服务水平较低且基础设施不足的问题。第二，数字金融不仅实现了金融服务的在线化，降低了资本跨域流动产生的费用、时间等直接成本，而且可以借助数字化手段，更大限度地发挥欠发达地区对资本的吸引力，显著降低因区域发展不平衡形成的政策、感知等差异所产生的间接成本。第三，数字金融既为传统资本流动渠道拓展出在线服务方式，在技术手段上实现创新，通过线上线下融合进行模式创新，提升服务质量，又基于服务手段和对象的延伸，有望形成有别于传统银行、资本市场等传统渠道的新模式。第四，数字金融有助于全局优化资本配置，通过精准分析功能为资本流动提供精确的定制性参考，有效改善资本错配，进一步提高资本使用效率。所以在数字金融发展背景下，资本的跨域流动性和配置效率均会不断提升，资本转移的加速能提升企业风险防范能力，最终抑制区域金融风险的形成。基于此，本文提出如下假设。

假设H3：数字金融发展可以加快资本转移进而抑制区域金融风险。

（三）金融监管的调节机制与研究假设

从数字金融发展角度看，市场失灵理论认为，由于普遍存在的信息不对称、外部性、垄断等现象，市场难以实现资源的高效配置，数字金融作为一种新兴金融模式自然离不开金融监管。金融监管无论是处于较强还是在较弱区间内都具有较强的技术创新溢出效应，即加强金融监管能够提升数字金融运行效率和规范化程度，因此强化金融监管在一定程度上会阻断数字金融对传统金融的风险传导，理论上能够缓释区域金融风险（唐松等，2020）[22]。从防范区域金融风险角度看，作为政府公共部门提高公众信心的措施，金融监管是对金融系统缺陷的有效和必要补充，且其目标是维护金融体系安全和稳定，因此其在防范区域金融风险过程中的重要性不言而喻。基于此，本文提出如下假设。

假设H4：通过加大金融监管力度可以进一步增强数字金融发展对区域金融风险的抑制作用。

四、指标选取和模型设计

（一）变量选取

1.被解释变量：区域金融风险压力指数（risk）

在构建金融压力指数的指标体系时，其相关指标的选取需要综合考虑诸多因素，既需要探索金融风险要素的共性，又需要将所在区域的金融特性纳入考虑之中。本文遵循指标选取的准则，即代表性、可得性，以及科学性、实用性等，参考刘凤根等（2022）[5]的指标体系与分析思路，从银行市场、股票市场、保险市场、房地产市场、国际市场、宏观经济、企业经营各方面选择了13个风险要素指标。各级指标、计算方法及其方向如表1所示。

表1 区域金融风险压力指标体系（单位：%）

本文基于熵值法，对上述指标体系数据进行处理，最终得到全国31个省份（不包括港、澳、台地区）2011—2020年的金融压力指数，计算过程如下。

首先，根据指标方向通过极差法对面板数据进行标准化处理，计算i地区在t年中第j个指标的权重其次，重点计算j指标的信息熵值冗余度dj=1-ej，及权重具体结果如表1所示；再次，根据权重计算综合得分，即金融压力指数

2.解释变量：数字金融发展（difi）

本文选用的数字金融发展代理指标是北大数字金融研究中心编制的中国数字普惠金融指数，除了数字金融发展总指标，本文还重点分析了三个子指标，即数字金融发展的覆盖广度、使用深度及数字化程度，回归方程中分别用breadth、depth、digit来表示。

具体而言，覆盖广度是指支付宝账户覆盖率与支付宝所绑定银行卡用户在整个用户中所占的比例；使用深度的含义是此种服务的具体状况与使用频率；数字化程度的重点则在于探究地区数字普惠金融所具有的便利性与效率等特点（郭峰等，2020）[23]。

3.中介变量：科技创新（innovation）和资本转移（capital）

根据假设2，本文使用科技创新作为中介变量，借鉴欧阳资生等（2021）[4]的做法，使用财政科技支出与财政总支出的比值衡量地区科技创新水平。根据假设3，本文选取资本转移作为中介变量，参考李优树和张敏（2020）[18]的研究，使用比值衡量该指标，其分子是金融业增加值和房地产业增加值之和，分母是GDP减去金融业和房地产业贡献后的剩余增量，检验数字金融发展加速资本转移后的区域金融风险变化状况。

4.调节变量：金融监管（supervise）

该变量的度量主要参考王韧等（2019）[24]的研究成果，用区域内金融监管支出金额在金融业增加值中所占的比例来衡量区域金融监管强度。基于这种方式，既能直接地观测出区域金融监管支出为金融行业所带来的产值贡献率的提高，又可以对金融监管在整个金融业中所具有的配比情况形成准确认知。

5.控制变量

区域金融风险除了受核心解释变量数字金融发展影响之外，还受其他一系列内部和外部变量的影响。为尽可能地避免遗漏变量，使得模型估计的准确度得到提升，本文选择教育水平、产业结构、政府支持程度、创新能力和城市建设水平作为控制变量（侯世英和宋良荣，2020；姚登宝和许佳敏，2022）[20，25]。所有变量说明见表2。

表2 变量定义

（二）数据来源

本文选取2011—2020年中国31个省份的数据作为研究样本，每个变量选取310个数据。其中区域金融风险的数据采用上文测算的金融压力指数，数字金融发展的数据来自《北京大学数字普惠金融指数（2011—2020）》，其他数据均来自历年《中国统计年鉴》和各地区统计年鉴，并参考了国家统计局发布的相关数据。

（三）描述性统计

为了避免极端值对数据结果的影响，本文对所有连续型数据，在1%和99%百分位进行缩尾处理，表3呈现了缩尾后的描述统计结果。通过表3能够了解到，已知变量的最值并未出现较多的异常值，因此，能够对这些变量深入开展回归分析工作。

表3 描述性统计

（四）模型设计

为研究数字金融发展对区域金融风险的影响，参考已有文献，基于LM检验、F检验以及Hausman检验，利用面板数据双向固定效应模型考察数字金融发展与区域金融风险之间的联系（姚登宝和许佳敏，2022）[25]。

构建基本检验模型如式（1）所示：

式（1）中，i表示省份；t表示年份；controls表示一系列控制变量，分别度量教育水平、产业结构、政府支持程度、创新能力以及城市建设水平；λt表示各省份不随时间变化的因素，用来控制地区固定效应；μi表示年份固定效应；εit为误差扰动项。

式（1）用来分析数字金融发展对区域金融风险的直接影响机制，本文还引入中介变量（mediumit）分析数字金融发展影响区域金融风险的间接作用机制和中介效应检验机制，并采用逐步回归法，具体模型如式（2）、式（3）所示：

其中，式（2）表示数字金融发展对中介变量（科技创新和资本转移）的影响，mediumit表示省份i在t年中的中介变量（科技创新和资本转移），β2表示数字金融发展对中介变量（科技创新和资本转移）的影响程度，β3表示在控制中介变量后数字金融发展影响区域金融风险的直接效应，δ表示中介变量对区域金融风险的影响显著性，β2δ为间接效应，二者之和为总效应，即满足β1=β2δ+β3。其余变量与上文一致。

本文通过引入数字金融发展和金融监管的交互项来分析金融监管在抑制区域金融风险中所产生的调节效应，构建模型：

式（4）中，difiit*superviseit为数字金融发展和金融监管的交互项，表示随着金融监管强度的变化，数字金融发展对区域金融风险影响的变化。其余变量与上文一致。

五、实证分析

（一）变量的相关性检验

本部分进行回归分析前，对面板数据先进行LLC检验以排除伪相关情况。结果表明所有变量单位根检验P值均小于0.05，与全部变量非平稳假设不相符合，因此数据平稳可进行进一步回归分析。出于规避共线性问题的需要，本文针对选用的变量展开了相关性分析，分析具体结果如表4所示。

表4 相关性分析

通过表4可知，就存在于自变量之间的相关系数而言，其最大值并未高于0.9，即无须过于考虑共线性问题的影响。本文进一步计算解释变量的膨胀因子（VIF），结果表明，自变量的VIF均小于10，因此排除自变量数据之间存在多重共线性的情况。上述检验表明数字金融发展对区域金融风险有较为明显的影响。

（二）直接传导机制分析

在基准模型中，本文首先分析数字金融发展对区域金融风险的直接影响，回归结果如表5所示。

由表5可知，数字金融发展系数在1%的水平上显著影响区域金融风险，且每提升1个单位，金融风险降低约38%。由此可知，数字金融发展将会对区域金融风险产生明显的抑制效应。针对数字金融的结构而言，其包括覆盖广度、使用深度、数字化程度在内的三个子维度的回归系数分别为-0.049、-0.204

表5 基准回归结果

和-0.207，表明三个子维度均能缓解区域金融风险；其中，覆盖深度和数字化程度的风险抑制效应更为明显，覆盖广度的影响相对较小，因此数字金融发展的风险抑制效应存在结构性差异。此外，教育水平、政府支持程度和城市建设水平对区域金融风险具有负向作用，均在1%的水平上显著，意味着风险得到了有效抑制。教育投入的增加有助于提高风险防范意识，政府一般公共预算支出有利于各单位活动的有序进行及资源的合理配置，城市建设水平的提高有利于提升人民的生活满意度，上述因素在提升经济活力的同时，均能起到抑制金融风险的作用。

本文为进一步分析数字金融发展影响金融风险的区域化差异，将中国内地31个省份按照地理位置划分为东部、中部和西部三个区域，检验数字金融发展总指标及3个二级指标对金融风险影响的区域差异性，结果如表6所示。

由表6可知，在东部地区，数字金融发展带来的风险抑制效应最为显著，考虑省份地理位置的异质性后，发现数字金融的风险抑制程度因区域差异而有所不同。其现实原因表现为，东部地区涵盖了京津冀、长三角、珠三角三大经济增长极，经济发达、科技创新和资本积累能力较强，数字基础设施较为完善，该地区数字普惠金融的覆盖广度及使用深度在国内排名均靠前，且数字化水平较高，因此现阶段数字金融发展带来的风险抑制效应也最为明显。进一步分析数字金融发展的二级指标，实证结果表明数字化程度对各区域的风险抑制作用均较为显著，原因是数字化程度作为数字服务支持的体现，得益于其所具有的优势（移动化、信用化、便利化等），其应用程度越高，便能给该区域带来更深远的风控影响。数字金融使用深度在西部地区系数为-0.358，且在1%的水平上显著，其风险抑制作用最大。原因在于西部地区产业相对贫瘠，一旦政府优化实际使用数字金融服务的状况，提高对数字金融的使用频率，即强化数字金融使用深度，将会对该地区金融风险的化解更为有效。数字金融覆盖广度的风险抑制效应在东部地区最为显著，该地区数字金融发展水平已经较高，在此基础上持续扩大数字金融覆盖范围会带来更大的风险抑制效应。

（三）中介传导机制分析

为进一步明确数字金融发展对区域金融风险的间接影响机制，本文通过构建中介效应模型分析科技创新（innovation）和资本转移（capital）在数字金融发展和区域金融风险间的中介效应。表7显示了中介效应的回归结果，其中列（1）和列（2）展现了以科技创新为中介变量的回归结果，列（3）和列（4）展示了以资本转移为中介变量的回归结果。

表7 中介传导机制

首先，如表5所示，数字金融发展指标系数在1%水平上显著为负，因此可以进行后续中介效应分析；其次，表7列（1）中数字金融发展对科技创新水平的影响系数为0.155，并在1%水平上显著，同时列（2）中科技创新对区域金融风险的影响系数为-0.281，并通过了显著性检验，这表明科技创新在数字金融发展对区域金融风险的影响中具有中介效应，数字金融发展通过促进科技创新进一步化解区域金融风险。另外，列（2）中数字金融的系数为-0.291，同样具有较强显著性，这表明科技创新的中介效应为部分中介效应，中介效应占总效应的比例为13.04%，因此，假设H2得到验证。同时，由表7列（3）和列（4）中数字金融发展变量系数和资本转移变量系数显著性可以得出，资本转移在数字金融发展对区域金融风险的影响中也具有中介效应，数字金融发展通过加速资本转移可以抑制区域金融风险，假设H3得以证明。

（四）金融监管调节效应分析

本文进一步考察金融监管在数字金融发展对区域金融风险影响中的调节作用，表8显示了调节效应的回归结果。

表8 金融监管的调节效应

数字金融发展和金融监管对区域金融风险的回归系数分别为-0.302和-0.268，且在1%的水平上显著，因此数字金融发展和金融监管各自均能产生显著的风险抑制作用，且数字金融发展和金融监管的交互项显著为负，系数为-0.620，说明金融监管在数字金融发展抑制区域金融风险的过程中发挥正向调节作用，即适当加大金融监管力度能更有效地发挥数字金融发展的风险抑制效应，由此验证了H4。

（五）稳健性检验

本文基于内生性处理与稳健性检验两个视角分析前述研究结果的稳健性特点，进一步证明结论的可靠性。

1.内生性处理

本文在进行基准回归时，使用数字普惠金融指数作为数字金融发展的代理变量，尽管两者差异比较小，但是就核心解释变量的现实状况而言，在误差的影响下，有可能会导致内生性问题的发生。本文将各省份移动电话用户量作为工具变量，就指标数值而言，由于与本文其余变量相比显得较大，为确保各种变量在量纲层面保持一致，因此，本文选取了该变量的自然对数作为初始研究数据。一方面，将数字金融的基础设施设定为工具变量，与数字金融密切相关，满足工具变量的相关性原则；另一方面，在控制省份固定效应后，对于此工具变量而言，其与扰动项之间不存在相关性，即工具变量的外生性要求得到了满足。此外，本文参考唐松等（2020）[22]的研究，使用互联网普及率作为工具变量再次进行检验。模型内生性处理结果如表9所示。

表9 IV-2SLS回归结果

由表9可知，移动电话用户量作为工具变量时，第一阶段回归结果的R2值为0.993，表明本文不存在弱工具变量问题。第二阶段回归结果中，数字金融发展的回归系数为-0.720，且在1%的水平上显著；互联网普及率作为工具变量时，通过不可识别和弱工具变量检验，第二阶段数字金融发展的回归系数显著为负。由此可知，对于回归模型来说，在对内生性问题进行相应解决后，通过基础回归获得的实证研究结论仍然是符合要求的，表明本文上述结论可信。

2.稳健性检验

为了验证结论的普遍性，模型的稳健性检验使用了三种方法：删除直辖市（Delete）、滞后一期自变量（Lag）、替换模型为FGLS模型，结果如表10所示。

表10 稳健性检验

由表10可知，数字金融发展对区域金融风险的回归系数在以下三种方法下分别为-0.368、-0.161和-0.162，依旧显著为负，证实了数字金融发展对区域金融风险的抑制效果，三种方法的检验结果与基准回归结果保持一致，说明本文结论稳健可信。

六、结论与建议

本文从直接传导、中介传导和金融监管调节三方面阐释了数字金融发展对区域金融风险的影响机制，运用2011—2020年中国省级面板数据进行模型验证分析，研究结果如下。首先，数字金融发展对区域金融风险有明显的抑制作用，且该作用具有结构化和区域化差异。从结构上看，数字金融发展各子指标都对防范化解风险起到积极作用，数字化程度的风险抑制效应最为显著；从区域上看，东部地区的数字金融发展对区域金融风险的抑制作用强于中部和西部地区。其次，数字金融发展能通过加快资本转移以及促进科技创新间接抑制区域金融风险。再次，金融监管对数字金融发展的风险抑制作用具有调节效应，在金融监管强度适当提高的情况下，金融风险能得到有效控制。根据上述研究结论，为进一步防范化解区域金融风险提出如下政策建议。

第一，重视数字金融发展，发挥风险抑制效应。数字金融作为金融发展新业态，提升了金融体系运行效率，优化了传统金融结构，提高了金融业的风险抵御能力，进而能抑制区域金融风险，因此国家要重视数字金融发展，发挥其防范化解风险的能力。在推进数字金融发展时，政府应当起引导作用，提供有力政策支持，助力传统金融机构数字化转型，激活数字金融服务新功能；同时应加大对金融基础设施建设的投资力度，加快数字化进程，提高区域间数字金融联动能力，推动各类金融机构发挥比较优势，形成供给合力，促进产业协同发展，不断探索数字金融的可持续发展。此外，政府还可以采取税收优惠政策激励高新技术企业进行创新研发，提高整体科技创新水平，形成稳固的数字金融技术基础，推动数字金融发展，抑制区域金融风险。

第二，优化各地资源配置，缩小区域发展差异。由于国内各省份的经济实力差异较大，数字金融发展程度也有所不同，其对金融风险的抑制强度存在差别，因此国家要优化资源配置，加快各区域数字化进程，平衡区域间科技创新水平，带动资本跨域流动。在东部地区，应当保持数字金融发展优势，着重扩大该区域数字金融覆盖程度；在西部地区，应该抓住政府对欠发达地区的政策扶持机遇，注重强化数字金融使用深度，改进区域内数字金融服务状况，并且提高其应用频率；在中部地区，则应当把握数字金融深度拓展的新契机，推动数字金融全面发展，缩小区域内差异，实现整体经济稳步发展。

第三，适当强化金融监管，深化金融体制改革。数字金融快速发展，在一定程度上降低了金融服务成本，但也对传统金融监管体系产生了一定冲击。目前我国处于央地双层金融监管体制深化阶段，但地方金融监管也可能存在各地监管政策差异、监管强度不一等问题。因此，随着防范化解金融风险的要求越发迫切，地方政府要及时完善金融监管体系，切实履行监管职能，并关注金融风险新特征，调整和优化监管方式。一方面，政府应提高数字经济治理能力和数字经济安全水平，积极适当地进行金融监管，明确行业准入门槛，让金融市场更具活力；另一方面，应促进监管科技深度发展，借助人工智能、大数据、区块链等手段，构建科技监管体系，增强监管的即时性和可达性。除了上述监管手段外，还须完善法律法规顶层设计。科技创新水平和数字金融的迅速发展要求相应的行政法规不断优化，既要符合社会发展的客观需要，也要与数字金融创新发展相一致。