数字金融、银行风险承担与经济高质量发展

马俊

摘   要：本文基于30个省市自治区2011—2020年面板数据，使用熵权TOPSIS法测度了中国经济高质量发展水平，并建立PVAR模型探究了数字金融、银行风险承担与经济高质量发展之间动态互动关系。研究结果表明：数字金融、银行风险承担与经济高质量均具有自我强化的经济惯性。从全国来看，数字金融会强化经济高质量发展和银行风险承担，经济高质量发展和银行风险承担会抑制数字金融发展，经济高质量发展和银行风险承担之间互为负向影响。从区域层面来看，中部地区数字金融确实会较为明显地助推经济高质量发展，银行风险承担与经济高质量发展亦有良好互动关系，西部地区数字金融与银行风险承担之间存在倒“U”型非线性影响作用。基于此，本文提出提振数字金融支持经济高质量发展政策靶向性、完善数字金融顶层监管体系、强化商业银行风控管理等对策建议。

关键词：数字金融；银行风险；经济高质量发展；熵权TOPSIS法；PVAR模型

DOI：10.3969/j.issn.1003-9031.2023.01.002

中图分类号：F120.3，F832.1       文献标识码：A     文章编号：1003－9031（2023）01－0018－20

一、引言

作为实体经济的血脉，金融是经济发展的重要支撑。然而，传统金融发展时常发生“融资难融资贵”“融资渠道不畅”“融资信息不對称”等问题，导致金融市场对经济高质量发展“供血不足”。如今，随着互联网等现代信息技术加速发展并与传统金融互相渗透，数字金融应运而生并通过便利化移动支付手段、推动利率市场化等方式突破了传统金融受到的地理网点、营业时间、资金空间流动约束，有助于推动现代金融发展最新成果抵达“最后一公里”，惠及“长尾客户”，为金融高效支持经济高质量发展提供了新的思路。然而，数字金融会产生金融脱媒效应，利率市场化势必缩减银行存贷款利差，倒逼银行提高风险资产配置，进而促进银行风险承担，这对经济高质量发展形成了现实阻力和潜在风险。在此背景下，厘清数字金融、银行风险承担与经济高质量发展三者之间动态互动关系，对于提升数字金融支持经济高质量发展的政策靶向性具有重要理论和实践价值。

数字经济已逐渐渗透到各类生活场景中，准确评估数字金融、银行风险承担和经济高质量发展三者间动态互动关系，有助于在数字金融发展中科学防控并及时消弭金融风险，确保策略持续性与安全性的经济高质量发展。但当前鲜少有学者将银行风险承担纳入到数字金融影响经济高质量发展的研究框架内，并且大多基于静态面板回归模型分析数字金融可能对经济高质量发展产生的影响作用，使得数字金融与经济高质量发展之间动态互动关系研究留有明显空白。对此，本文尝试建立PVAR模型，利用格兰杰因果检验、脉冲响应冲击和方差分解等多种方法实证探究了数字金融、银行风险承担与经济高质量发展之间的动态互动关系；基于中国30个省市自治区2011—2020的面板数据，划分东、中、西三个区域，探讨数字金融、银行风险承担与经济高质量发展之间动态互动关系的区域异质性。

二、文献综述与理论分析

（一）经济高质量发展相关研究

经济高质量发展相关研究主要包括内涵界定、量化研究、影响研究三方面的内容。一是对于经济学内涵观点基本一致，即可以充分满足人民日趋丰富多样化真实需要的经济发展方式、结构和动力状态（金碚，2018），主要反映一国（或地区）在一定时期内因经济发展使居民当期所享受的福利水平变化，以及未来福利水平可持续提升的能力。二是关于量化研究。部分文献采用人均实际GDP（陈诗一和陈登科，2018）、全要素生产率（刘志彪和凌永辉，2020）等单一维度指标衡量经济高质量发展。但有学者认为，经济高质量发展应当包含多层次、多维度的内容。主要形成五个代表性评价体系：其一注重以创新驱动、资源配置高效为手段，以区域协调和生态文明为要求，实现经济增长稳健、结构合理和成果惠民以及产品服务优质、市场机制完备、基础设施完善等目标（魏敏和李书昊，2018）；其二涵盖高质量供给与需求、发展效率、经济运行、对外开放等方面内容（马茹等，2019）；其三涵盖产业结构、技术创新、包容性TFP、居民生活、生态环境等方面内容（赵涛等，2020）；其四涵盖创新动力、协调一体、绿色持续、全面开放、共享惠民等内容（陈景华等，2020）；其五涵盖经济成果分配、人力资本及分布、经济效率与稳定性、自然资源与环境、社会状况等方面内容（杨耀武和张平，2021）。三是关于影响因素研究。主要有金融资源配置（杨伟中等，2020）、数字经济（赵涛等，2020）、技术创新（徐晔和赵金凤，2021）、环境规制（卢维学等，2022）、产业集聚（李涛等，2022）等因素。

（二）数字金融与经济高质量发展

现有研究主要从关系结果和关系过程两个层面出发，就数字金融对经济高质量发展的影响效果和作用机制进行了理论探讨和科学论证。理论研究方面，孟添和张恒龙（2022）肯定了数字金融具有的“激励效应”，提出数字金融主要通过优化资源配置、促进产业结构转型、助力共同富裕三条路径有效促进区域经济高质量发展。然而，实证研究方面存有较大争议，主要持有三种不同观点：一是线性相关论。滕磊和马德功（2020）利用固定效应模型实证研究发现，数字金融能够缓解企业融资约束进而助力经济高质量发展；刘伟等（2021）利用中介效应模型实证探究发现，数字金融能够通过促进区域创新水平和缩小城乡收入差距两条路径推动经济高质量发展。二是非线性相关论。贺健和张红梅（2020）基于实证研究发现，数字普惠金融能够以单门槛形式和区域异质性为特征正向影响经济高质量发展；蒋长流和江成涛（2020）基于城市面板数据实证发现，数字金融可以通过激励中小企业研发创新推动经济高质量发展，但该作用具有网络技术门槛。三是空间相关论。上官绪明和葛斌华（2021）经实证检验发现，数字金融确实可以较为明显地推动经济高质量发展且存在积极的空间溢出效应。曾燕萍等（2022）通过实证论证，数字金融的确可以较为明显地助推区域经济高质量发展，但其空间溢出效应只存在于东西部地区。

数字金融难以离开必要的社会物质条件支持。理论上，数字金融能够通过促进传统金融创新发展和提升金融服务效率，为经济高质量发展输送源源不断的营养来源，反过来经济高质量发展可以通过创造更多引致需求、合理优化产业结构、提供良好金融生态环境，成为数字金融不断发展壮大的沃土。然而，现有文献鲜少直接研究经济高质量发展对数字金融的影响效果。部分学者围绕经济对金融发展的实际影响效果展开实证研究，得出不同结论。周德田和冯超彩（2020）基于耦合度与PVAR模型的实证结果发现，经济高质量发展能够助力科技金融发展壮大，部分学者对此持有异议。刘鑫等（2019）基于省际PVAR模型实证研究发现，经济增长对融资耦合存在“抑制效应”；张忠俊等（2020）基于实证研究发现，经济增长对金融发展存在明显滞后的“拖累效应”。因此，数字金融是否与经济高质量发展具有良性动态互动关系有待有一步验证。

（三）数字金融与银行风险承担

数字金融对于商业银行而言是把“双刃剑”。数字金融助力商业银行实现数字化转型，促进商业银行发展进步，但对其风险管理形成巨大挑战。有关数字金融对银行风险承担存在的影响，研究结论分为三种：一是风险促进论。刘孟飞和王琦（2022）使用商业银行非平衡面板数据实证发现，数字金融会提升银行管理成本进而促进银行风险承担；顾海峰和高水文（2022）通过实证研究得出数字金融通过影响银行收入结构促进了银行风险承担的结论。二是风险抑制论。国外研究发现，数字金融有助于改善金融服务供需双方信息不对称，可以有效避免传统金融逆向选择与道德风险（Demertzis et al，2018），提升其风险管理水平（Lorente＆Schmukler，2018）。国内研究方面，余静文和吴滨阳（2021）利用代表性商业银行面板数据实证检验发现，数字金融对银行风险承担具有抑制效应；孙志红和琚望静（2022）通过实证研究发现，数字金融对银行主动与被动风险承担均具有风险抑制效应。三是风险双重作用论，即存在“期限结构”双边效应。罗航等（2020）基于实证研究发现，金融科技对风险扩散的影响并非简单的促进或抑制，实际上金融科技一方面会因减少信息不对称促进风险收敛，另一方面又会刺激金融体系脆弱性进而诱导风险扩散；刘伟等（2022）利用财务数据展开实证，发现数字金融会明显促进银行风险承担，但银行业竞争减弱能够缓解数字金融对银行风险承担加重的影响。

显然，当前研究的关注点主要集中于数字金融可能对银行风险承担产生的影响效果，而银行风险承担对数字金融的影响研究非常匮乏。现代商业银行本质上以经营风险为生，风险管理得当，则获得预期回报；反之，银行利润受损，严重时资本缩水，极端情况下可能会破产倒闭。实际上，银行风险承担一方面可能会破坏金融生态环境进而抑制数字金融，另一方面可能会因其风险管理对于数字技术的需要而推动数字金融发展。包芸夕等（2019）基于中国14家商业银行2014—2017年的季度数据建立PVAR模型，经实证研究发现，提升银行风险管理能力从长期来看可以支持互联网金融P2P小额信贷业务拓展。可以发现，现有文献极少讨论银行风险承担对数字金融的反向影响， 更是很少探讨其短期和长期动态影响效果。

（四）银行风险承担与经济高质量发展的相关研究

现有研究鲜少涉足银行风险承担与经济高质量发展的关系研究。关于金融风险对经济发展的影响研究。耿德林等（2019）基于空间杜宾模型（SDM）的随机效应模型实证发现，适度的银行体系风险和证券市场风险有助于区域经济发展。然而，金融风险表现形式较为多样，往往具有复杂性、突发性、危害性以及传染性等特征，致使经济高质量发展面临潜在风险隐患。对此，郑智勇等（2022）通过理论分析和实证研究杠杆波动、系统性金融风险与经济高质量发展关系发现，“防风险”能够确保安全、有效地助推经济高质量发展。此外，赵修仪和邓创（2022）借助TVP-VAR和LSTVAR等模型实证研究发现，金融风险上升和下降对经济周期存在非对称性影響，即金融风险增加对经济周期的负向影响要弱于金融风险减少对经济周期的正向影响。

关于经济发展对银行风险承担的影响研究。邹克和蔡晓春（2017）利用省级面板数据实证分析不良贷款率的影响因素，发现较高的经济发展水平有助于降低不良贷款率。实际上，银行风险易受经济金融环境和市场结构制约等区域内部因素的影响，以及国家宏观政策、经济金融异常变化等区域外部因素的影响。经济高质量发展这一经济目标决定了国家层面使用何种货币政策和财政政策，李佳等（2021）基于银行业数据实证研究发现，经济政策不确定性会在一定程度上提高银行风险承担；李力和黄新飞（2022）基于DSGE模型的实证发现，货币政策不确定性同样会促进银行风险承担。

三、研究设计

（一）模型设定

结合文献综述和理论分析，考虑到内生性与序列相关问题，建立面板向量自回归（PVAR）模型实证研究数字金融、银行风险承担与经济高质量发展之间的动态互动关系。PVAR模型能够允许所有变量内生并真实反映多变量间的动态关系。对此，本文拟建立如下PVAR模型：

（1）

其中，Yit是一个1×3阶的列向量，包含数字金融（DF）、银行风险承担（RISK）与经济高质量发展（EDQ）三个内生变量；α0为截距项；j为滞后阶数；αj为滞后j阶的参数矩阵；βi、γi分别为个体、时间固定效应；εit为随机误差项。

（二）变量选择

数字金融（DF）。选取北京大学2021年4月发布的2011—2020年省级数字普惠金融指数作为数字金融的代理变量。鉴于不同变量具有量纲差异，对该指标数据进行缩小100倍处理。该指数的编制遵循了综合性、均衡性、可比性、连续性和可行性等原则，融合数字技术与普惠金融，可以较好地反映各省市自治区数字金融发展水平。

银行风险承担（RISK）。银行风险承担的度量指标主要有预期违约概率、不良贷款率、Z值、风险加权资产占比等。鉴于中国利率市场化机制尚未成熟完备，资产证券化等新业务尚待完善， 目前国内银行以存贷款业务为主业，信用风险仍需其重点关注和大力防控。因此，本文选择商业银行不良贷款率作为银行风险承担的代理变量。

经济高质量发展（EDQ）。经济高质量发展应当秉持创新驱动、对内协调、绿色持续、对外开放、全民共享原则的新发展理念。具体而言，创新发展主要包括创新资源投入、产出以及创新活动所依赖的外部环境；协调发展涵盖区域、城乡和产业协调；绿色发展涵盖事前生态环保、事中节能减排和事后环境治理；开放发展应同时满足经常账户下进出口贸易及服务业开放和资本账户下投融资开放；共享发展要求人人平等享有医疗、教育、卫生、社保、交通等公共服务，同时保障物价、就业、购房、寿命、城镇化等方面的生活质量。因此，本文基于新发展理念，选取13个二级指标、32个基础指标建立能够客观反映真实水平的经济高质量发展评价指标体系（见表1）。

本文借鉴干春晖等（2011）的研究成果，运用泰尔指数度量产业结构合理化水平（TL）：

（2）

其中，Yi、Li分别代表各省市自治区第i个产业的GDP值（亿元）与就业人数（万人）。

本文进一步采用熵权TOPSIS法测度30个省市自治区经济高质量发展水平，其核心思想是先对各评价指标标准化处理，然后借助熵权法赋予其不同的权重值，最后利用TOPSIS法对各省市自治区经济高质量发展水平进行量化排序。具体实施步骤如下：

第一步，运用极差法对各评价指标Xij作标准化处理。

对于正向指标Xij：

（3）

对于负向指标Xij：

（4）

其中，i、j分别表示省市自治区、评价指标，Xij和Yij分别表示初始的和标准化后的评价指标值，max（Xij）和min（Xij）分别代表Xij的最大值与最小值。

第二步，计算各评价指标Yij的信息熵Ej：

（5）

第三步，計算各评价指标Yij的权重Wj：

（6）

第四步，构建加权矩阵R：

（7）

第五步，根据加权矩阵R确定最优方案Q 和最劣方案Q ：

（8）

（9）

其中 ，Ci越大代表省份i的经济高质量发展水平越优，反之则代表省份i的经济高质量发展水平越差。

（三）数据来源与描述性统计

基于数据可获取性的考虑，选用中国30个省市自治区2011—2020年面板数据（不含西藏自治区和港澳台地区），将其划分为东中西三大经济区域。相关数据主要来源于Wind数据库、国家统计局和北京大学数字金融研究中心。相关变量具有的描述性统计特征详见表2。

从表2可以看出，东部地区经济高质量发展最优且优于全国均值，中西部地区经济高质量发展程度相近；从数字金融发展水平来看，从东到西逐渐递减，其中东部地区数字金融国内领先，显著强于中西部地区，不难看出经济高质量发展和数字金融均呈现出明显的区域性差异和不平衡性；从银行风险承担来看，西部地区承受更多银行风险，中部、东部地区依次减小，其中西部地区的银行风险承担明显高于全国均值，而东部与中部地区银行风险承担低于全国均值。

四、实证分析

（一）面板数据平稳性检验

为规避实证过程中发生“伪回归”，本文借助单位根检验以判定面板数据是否平稳，同时使用同质单位根LLC检验和异质单位根IPS检验。如表3所示，数字金融（DF）、银行风险承担（RISK）与经济高质量发展（EDQ）均为1阶单整，即上述三个变量均通过单位根检验。

（二）模型滞后阶数选择

借助AIC、BIC、HQIC三种信息准则可以进一步判定模型最优滞后阶数。如表4所示，三种准则下全国和东部、中部地区的最优滞后阶数均为1阶，而西部地区最优滞后阶数均显示为4阶，表明西部地区存在显著的政策时滞效应。

（三）模型GMM参数估计

为防止出现参数估计错误，本文使用“Helmert procedure”对数据进行转变，进一步消除样本存在的时间、固定效应。接下来利用广义矩阵估计（GMM）方法进行参数估计，分析变量间长期互动关系（见表5）。

以数字金融（DF）为被解释变量。当期数字金融易受历史水平影响，全国、东部和中部地区均在1％的水平下高度正相关，表明在这些区域上一期数字金融发展水平会对当期数字金融产生正向影响；在西部地区滞后一期、二期数字金融均在1％的水平下对当期数字金融产生正向影响，而滞后四期数字金融在1％水平下高度负相关，表明在西部地区滞后期数字金融发展对当期数字金融的影响呈现出先促进后抑制的倒“U”型非线性特征。此外，当期数字金融易受滞后一期银行风险承担的影响，全国滞后一期银行风险承担会在10％水平下对当期数字金融产生负向影响，西部地区滞后二期银行风险承担会在1％的水平下对当期数字金融产生正向影响，滞后四期时该影响显著为负，而在东中部地区该影响效果不明显。综合来看，在全国、东部、中部地区经济高质量发展会对数字金融产生显著抑制效应，而在西部地区银行风险承担会对数字金融产生先促进后抑制的影响效果。

以银行风险承担（RISK）为被解释变量。在东部、中部地区滞后一期银行风险承担分别在10％、1％的水平下对当期银行风险承担产生显著正向影响，在西部地区滞后一期银行风险承担对当期银行风险承担产生显著正向影响，但滞后二期银行风险承担影响显著为负。此外，东部、中部地区滞后一期数字金融分别在10％、1％的水平下对当期银行风险承担产生正向影响，但在西部地区滞后二期数字金融对当前银行风险承担产生正向影响，滞后四期数字金融对当期银行风险承担具有一定抑制效应。此外，滞后一期经济高质量发展对当期银行风险承担的影响存在显著的区域性差异，其中东部、中部地区滞后一期经济高质量发展分别在10％、1％的水平下对当期银行风险承担产生负向影响，但在西部地区滞后一期经济高质量发展会对当期银行风险承担产生显著正向影响。

以经济高质量发展（EDQ）为被解释变量。当期经济高质量发展易受滞后一期经济高质量发展影响，全国、东部和中部地区均在1％的水平下高度正相关，而在西部地区该正向作用产生于滞后两期的经济高质量发展，表明相对于其他区域而言，西部地区政策发挥实质效应较为迟缓。此外，在全国层面滞后一期数字金融在10％的水平下对经济高质量发展产生正向影响，但在分区域样本中该影响不显著；中部地区滞后一期银行风险承担在10％的水平下对经济高质量发展产生正向影响，但在其他区域该影响并不显著。

（四）脉冲响应分析

考虑到GMM估计无法明确各变量间的因果逻辑关系、动态传导机制和冲击变量的贡献度，本文将依次通过脉冲响应分析、方差分解和格兰杰因果检验进一步考量数字金融、银行风险承担与经济高质量发展之间的动态互动关系。具体借助蒙特卡洛法，通过200次模拟得到全国及东部、中部、西部地区滞后六期的脉冲响应图（见图1—图4）。脉冲响应图反映的是模型内任意一个内生变量面对外来扰动时对其他内生变量产生的冲击效应，用于分析各变量间长期动态交互关系，并预测分析变量间时滞关系和影响程度。图中，横坐标、纵坐标分别代表响应期数和面对冲击的响应程度，中间实线为脉冲响应趋势，虚线为蒙特卡洛模拟得到的95％置信区间上下限。

第一，数字金融、银行风险承担与经济高质量发展面对自身一个标准差的冲击时，均表现出显著的正向影响，表明数字金融、银行风险承担与经济高质量均有相对的经济惯性。

第二，当经济高质量发展在受到数字金融的冲击后，在全国、东部地区均呈现负向影响减弱态势并在第2期开始影响转正；在中部地区呈现出持续、稳健的促进作用；在西部地区正向影响较弱，直至第4至第5期影响才有所增强，表明数字金融只有发展到一定阶段时才会促进全国、东部地区经济高质量发展，中部地区数字金融在考察期内一直持续激励其经济高质量发展，而在西部地区该“激励效应”发生迟缓。反之，当数字金融在受到来自经济高质量发展的冲击后，在全国、东部、中部地区当期影响为0，随后呈现出先缩小后扩大的“U”型负向影响，经济高质量发展在考察期内较为微弱地抑制着西部地区数字金融，表明经济高质量发展会对全国、东部、中部、西部地区数字金融发展产生“拖累效应”，但该影响在西部地区较弱。

第三，当银行风险承担在受到经济高质量发展的冲击后，在全国、东部、中部、西部地区当期影响为0，随后在全国呈现出先扩大后缩小的倒“U”型正向影响，在东部、中部地区呈现出先缩小后扩大的“U”型负向影响，在西部地区0-2期呈现出正向影响而在第2期后呈现负向影响，说明经济高质量发展会在全国范围内提高银行风险承担，但会在一定程度上抑制东部、中部地区的银行风险承担，当发展到一定阶段时才有助于降低西部地区银行风险承担。同理，当经济高质量发展面对银行风险承担一个标准差的冲击时，在全国、中部、西部地区当期影响为0，而在中部地区当期影响显著为负，随后在全国呈现出先缩小后扩大的“U”型负向影响，在东部地区呈现出逐渐缩小的负向影响，在中部地区呈现出先扩大后缩小的倒“U”型正向影响，而在西部地区影响微弱直至第3期后呈现出负向影响，表明銀行风险承担会抑制全国、东部地区经济高质量发展，但会较为显著地激励中部地区数字金融发展，并在短期内助推西部地区经济高质量发展。

第四，当数字金融在受到来自银行风险承担的冲击后，在全国、东部地区呈现出较为显著的先缩小后扩大“U”型负向影响，在中西部地区影响较弱，其中中部地区在第2期后影响由正转负，而在西部地区持续呈现出较为微弱的负向效应，表明银行风险承担会抑制全国、东部、西部地区数字金融发展，但对中部地区短期效应为正、长期效应为负。当银行风险承担面对数字金融一个标准差的冲击时，在全国、中部地区当期影响为负，但在第2期后该影响为正，在东部地区影响显著为正，在西部地区影响为正但效果微弱，表明数字金融会显著降低全国、中部地区、西部银行风险承担，但会提高东部地区银行风险承担。

（五）方差分解

为进一步评估模型扰动项对内生变量冲击的影响程度及各变量变化过程中不同结构冲击的贡献力度，本文对PVAR模型进行方差分解（见表6），取第10期、第20期和第30期来分析数字金融、银行风险承担与经济高质量发展三者间相互影响的贡献程度。

就全国而言，数字金融的方差贡献率主要来自自身，在第30期时仍为52.57％，其次为经济高质量发展（3.24％）与银行风险承担（44.19％）。东部、中部、西部地区数字金融方差分解结果与全国相似，在滞后30期时，其数字金融方差贡献率受自身影响分别为67.34％、57.37％和54.77％。

全国银行风险承担的方差贡献率绝大部分来自自身，在滞后30期时高达91.51％，数字金融与经济高质量发展的方差贡献率分别为0.37％与8.12％。东部、中部地区方差分解结果与全国类似，银行风险承担对自身的方差贡献率分别为71.63％与64.05％。西部地区银行风险承担的方差率主要来自自身与数字金融，方差贡献率分别为56.46％与40.74％。

就其他变量对经济高质量发展的方差贡献率来看，全国、东部、中部地区经济高质量发展的方差贡献率主要来自自身，在滞后30期时分别高达95.04％、92.33％与64.98，其次是来自银行风险承担，其方差贡献率分别为2.88％、5.40％与26.27％。与之不同的是，西部地区经济高质量发展的方差贡献率主要来自数字金融（61.21％），其次是银行风险承担（35.31％），最后是自身（3.49％）。

（六）格兰杰因果关系检验及稳健性说明

为深入分析数字金融、银行风险承担与经济高质量发展三个变量间的短期动态影响和时间因果关系，对这三个变量开展格兰杰因果检验。（见表7）。

从全国来看，银行风险承担与经济高质量发展在1％的水平下显著互为格兰杰原因，而数字金融是银行风险承担、经济高质量的单向格兰杰原因。可以发现，银行风险承担与经济高质量发展交互影响较为密切，而数字金融单向影响银行风险承担和经济高质量发展。

从东部地区来看，数字金融与银行风险承担、经济高质量发展均在5％的水平下显著互为格兰杰原因，而经济高质量发展是银行风险承担的单向格兰杰原因。这说明，数字金融与银行风险承担、经济高质量发展互动效应非常明显，但经济高质量发展仅能单向地影响到银行风险承担。

从中部地区来看，数字金融在1％的水平下是银行风险承担、经济高质量发展的单向格兰杰原因，银行风险承担亦是经济高质量发展的单向格兰杰原因。可以发现，数字金融、银行风险承担、经济高质量发展三者间互动效应不显著，作用效果均以单向影响为主。

从西部地区来看，银行风险承担与经济高质量发展在5％的水平下显著互为格兰杰原因，数字金融与银行风险承担、经济高质量发展均为单向格兰杰原因。说明西部地区银行风险承担与经济高质量发展交互效应显著，而数字金融仅单向影响银行风险承担、经济高质量发展。

综上所述，在不同的区域划分中，数字金融均是银行风险承担和经济高质量发展的格兰杰原因。银行风险承担确实为东部地区数字金融的格兰杰原因，也是全国、中部、西部地区经济高质量发展的格兰杰原因。经济高质量发展确实为东部地区数字金融的格兰杰原因，亦是全国、东部、西部地区银行风险承担的格兰杰原因。

面板向量自回归模型的结果可能会受变量顺序影响，从而影响实证分析结果。因此，本文主要通过更换变量顺序的方式进行了稳健性检验，具体对上述三个模型中每两个变量分别进行了脉冲响应分析，发现得出的结果与上述主要结论差别甚微，因此可以认为上述PVAR模型稳健可靠，结果具有较强的解释力。

五、結论与建议

（一）结论

基于文献回顾和理论分析，本文进一步以中国30个省市自治区2011—2020年的面板数据作为研究样本构建PVAR模型，进而对全国及东部、中部和西部地区数字金融、银行风险承担与经济高质量发展之间的动态互动关系进行了实证研究。

从全国层面来看，短期内，数字金融确实会助推经济高质量发展和提高银行风险承担，经济高质量发展和银行风险承担互为负向影响；长期内，数字金融、银行风险承担仍然会分别助推和抑制经济高质量发展，银行风险承担、经济高质量发展均会抑制数字金融发展，而数字金融、经济高质量发展则均会在一定程度上提高银行风险承担。

从区域异质性层面来看，短期内，银行风险承担会抑制东部地区数字金融发展，但确实会助推中部地区经济高质量发展。长期内，数字金融会较为显著地助推中部经济高质量发展，银行风险承担分别对东部、中部经济高质量发展产生抑制、促进作用，经济高质量发展会显著抑制东部、中部地区银行风险承担，但数字金融会对西部地区银行风险承担产生先促进后抑制的倒“U”型影响效果，银行风险承担亦对西部数字金融产生相同影响效果。

（二）建议

第一，提振数字金融支持经济高质量发展政策靶向性，推动两者良性互动。从实证结果来看，经济高质量发展可能对数字金融存在“拖累效应”，同时在西部地区数字金融对经济高质量发展“激励效应”有限。基于此，一是持续扩大数字金融的“激励效应”。增强数字金融所需依附的互联网络基础设施建设和开发大数据等金融场景化技术应用软件，突破金融服务在地理、空间上的硬性软性约束，释放数字金融对经济发展质量的助推作用。二是提升经济高质量发展的反向“支持效应”。注重区域、产业、城乡间对内协调，支持数字金融的国际、省际开放合作，发展绿色数字金融，为数字金融提供适宜的自然和社会生态环境。三是加强区域间经济金融合作。树牢全国“一盘棋”意识，坚持“普惠”与“精准”原则，促进经济、金融资源跨地区调配，东部地区应充分展示示范效应，中西部地区应发扬学习效应。

第二，在坚持有效管控银行风险的基础上，完善数字金融顶层监管体系。一是强化数字金融穿透式协调监管。出台相关法律法规和制定行业准入标准，建立完善的风险披露机制，探索针对数字金融的“监管沙盒”机制。二是构建数字金融数据信息共享机制。持续强化金融科技投资、研发与运用，利用前、中、后端数据资源打破“数据孤岛”，搭建数字金融征信体系，制定科学的信用数据标准，完善征信市场管理制度，促进征信行业健康规范发展。三是在“防风险”前提下推动数字金融创新。商业银行金融机构应当积极运用数字金融变革实现数字化转型，逐渐升级完善业务系统，研发多样化、个性化金融服务产品，同时有效预防金融创新中产生的潜在风险，大力提升数字金融风险管理水平，确保数字金融发展安全、有序、高效。

第三，经济高质量发展过程中，注重商业银行风控管理，确保金融“供血”系统运行健康和经济持续稳健增长。一是正确理解经济高质量发展包含的深意。以创新发展为动力来源，坚持对内协调和对外开放来保持内外部平衡，确保发展方式绿色环保可持续，以共享发展为最终追求目标。二是注重商业银行风控管理，尤其对于西部地区和中小商业银行而言。商业银行一方面应积极利用科技赋能优化风险管理流程以提高自身对信贷风险的管控，扩大数据源缓解信息不对称，从而确保自身风险管理有效；另一方面应当注重数据信息保护，确保客户隐私数据和财产安全性。三是将商业银行风险管理纳入到防范化解重大风险攻坚战的考量中。中国金融市场体系中商业银行举足轻重，市场参与主体和相关部门应当把握契机、形成联动，切实维护金融安全，坚决杜绝系统性风险，推进银行业金融体系稳健运行，确保经济高质量发展。

（责任编辑：孟洁）

参考文献：

[1]金碚.关于“高质量发展”的经济学研究[J].中国工业经济，2018（4）：5-18.

[2]陈诗一，陈登科.雾霾污染、政府治理与经济高质量发展[J].经济研究，2018，53（2）：20-34.

[3]刘志彪，凌永辉.结构转换、全要素生产率与高质量发展[J].管理世界，2020，36（7）：15-29.

[4]魏敏，李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究，2018，35（11）：3-20.

[5]马茹，罗晖，王宏伟，王铁成.中国区域经济高质量发展评价指标体系及测度研究[J].中国软科学，2019（7）：60-67.

[6]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.

[7]陈景华，陈姚，陈敏敏.中国经济高质量发展水平、区域差异及分布动态演进[J].数量经济技术经济研究，2020，37（12）：108-126.

[8]杨耀武，张平.中国经济高质量发展的逻辑、测度与治理[J].经济研究，2021，56（1）：26-42.

[9]杨伟中，余剑，李康.金融资源配置、技术进步与经济高质量发展[J].金融研究，2020（12）：75-94.

[10]徐晔，赵金凤.中国创新要素配置与经济高质量耦合发展的测度[J].数量经济技术经济研究，2021，38（10）：46-64.

[11]卢维学，吴和成，王励文.环境规制政策协同对经济高质量发展影响的异质性[J].中国人口·资源与环境，2022，32（3）：62-71.

[12]李涛，薛领，李国平.产业集聚空间格局演变及其对经济高质量发展的影响——基于中国278个城市数据的实证分析[J].地理研究，2022，41（4）：1092-1106.

[13]孟添，張恒龙.数字金融与区域经济高质量发展[J].社会科学辑刊，2022（1）：139-148.

[14]滕磊，马德功.数字金融能够促进高质量发展吗？[J].统计研究，2020，37（11）：80-92.

[15]刘伟，戴冰清，刘卫镇.数字金融能驱动经济高质量发展吗？——基于2011～2017年中国省级面板数据的实证分析[J].经济社会体制比较，2021（6）：63-75.

[16]贺健，张红梅.数字普惠金融对经济高质量发展的地区差异影响研究——基于系统GMM及门槛效应的检验[J].金融理论与实践，2020（7）：26-32.

[17]蒋长流，江成涛.数字普惠金融能否促进地区经济高质量发展？——基于258个城市的经验证据[J].湖南科技大学学报（社会科学版），2020，23（3）：75-84.

[18]上官绪明，葛斌华.数字金融、环境规制与经济高质量发展[J].现代财经（天津财经大学学报），2021，41（10）：84-98.

[19]曾燕萍，蒋楚钰，崔智斌.数字金融对经济高质量发展的影响——基于空间杜宾模型的研究[J].技术经济，2022，41（4）：94-106.

[20]周德田，冯超彩.科技金融与经济高质量发展的耦合互动关系——基于耦合度与PVAR模型的实证分析[J].技术经济，2020，39（5）：107-115+141.

[21]刘鑫，郭凯，咸笑然.融资耦合、融资规模与经济增长——基于省际PVAR模型的实证研究[J].宏观经济研究，2019（10）：5-15+87.

[22]张忠俊，郭晓旭，张喜玲，李宾.金融集聚、人力资本结构演进与经济高质量发展[J].统计与决策，2021，37（2）：10-14.

[23]刘孟飞，王琦.数字金融对商业银行风险承担的影响机制研究[J].会计与经济研究，2022，36（1）：86-104.

[24]顾海峰，高水文.数字金融是否影响商业银行风险承担——基于中国170家商业银行的证据[J].财经科学，2022（4）：15-30.

[25]Demertzis M，Merler S，Wolff G B.Capital MarketsUnion and the Fintech Opportunity[J].Journal of Financial Regulation，2018（4）：157-165.

[26]Lorente J C，Schmukler S L.The Fintech Revolution：A Threat to Global Banking？[J].Research and Policy Briefs，2018.

[27]余静文，吴滨阳.数字金融与商业银行风险承担——基于中国商业银行的实证研究[J].产经评论，2021，12（4）：108-128.

[28]孙志红，琚望静.数字金融的结构性效应：风险抑制还是推助？[J].产业经济研究，2022（2）：128-142.

[29]罗航，颜大为，王蕊.金融科技对系统性金融风险扩散的影响机制研究[J].西南金融，2020（6）：87-96.

[30]刘伟，刘卫镇，戴冰清，吕婷.数字金融、贷款结构与商业银行风险承担——基于181家商业银行2011—2020年财务数据的分析[J].武汉金融，2022（7）：29-40.

[31]包芸夕，郭敏，宋奇庆.基于PVAR的互联网金融与商业银行相互影响研究[J].商业经济研究，2019（10）：156-160.

[32]耿德林，周慧，江忠伟，王威.金融风险对区域经济发展的空间溢出效应研究——基于三大经济区域的空间面板分析[J].征信，2019，37（6）：65-72.

[33]郑智勇，何剑，张梦婷.杠杆波动、系统性金融风险与经济高质量发展[J].金融论坛，2022，27（3）：23-32.

[34]赵修仪，邓创.中国系统性金融风险及其对金融周期、经济周期的影响动态[J].经济评论，2022（4）：114-129.

[35]邹克，蔡晓春.不良贷款率影响因素的实证分析——基于2005—2014年省级面板数据[J].金融理论与实践，2017（2）：10-18.

[36]李佳，闵悦，王晓.经济政策不确定性、资产证券化与银行风险承担[J].金融经济学研究，2021，36（1）：77-93.

[37]李力，黄新飞.货币政策不确定性与商业银行风险承担研究[J].系统工程理论与实践，2022，42（4）：847-864.

[38]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011，46（5）：4-16+31.