数字化转型能够降低银行信用风险吗?——基于交叠DID模型的实证检验

马亚明 马丽敏,2 于博

(1.天津财经大学金融学院,天津 300222; 2.天津天狮学院经济管理学院,天津 301700)

一、引言

党的二十大报告明确指出,要强化金融稳定保障体系,依法将各类金融活动全部纳入监管,守住不发生系统性风险的底线。中央经济工作会议也多次指出,防范和化解金融风险是实现高质量发展的重要关口,要健全和完善金融风险的防范、预警和处置机制,持续强化金融风险防控能力。然而,新冠肺炎疫情的爆发导致全球贸易受阻和经济下行压力加大,实体经济的下滑引致金融体系资产质量下降,表现为金融机构信用风险加大。商业银行作为金融体系的核心,如何提高信贷质量和信用风险防控能力是其面临的重要问题,也是防范和化解金融风险的关键。

近年来,数字技术在金融业的应用呈爆发式增长,不断推进金融机构发展模式的变革,商业银行纷纷开始布局数字化转型战略,银行业进入数字化发展阶段[1]。2022年银保监会发布的《关于银行业保险业数字化转型的指导意见》中,明确指出以数字化转型推动银行业高质量发展,构建适应现代经济发展的数字金融新格局,不断提高金融服务实体经济的能力和水平,有效防范化解金融风险。可见银行数字化转型已经成为防范和化解金融风险的重要手段。基于以上背景,研究数字化转型与银行信用风险的关系,对提高银行风险治理能力,防范和化解金融风险具有重要意义。

现有关于数字化转型对银行信用风险影响的研究,主要集中在金融科技的发展和应用对银行风险承担水平的影响方面,且研究结论尚不一致。一方面,金融科技的发展通过竞争效应[2],推高了银行负债成本,导致银行增加高风险信贷,加大了银行风险承担水平[3],高风险信贷导致银行资产质量下降,增加信用风险。朱小能和李雄一(2022)[4]认为银行金融科技的应用通过自信效应,促使银行拓展长尾信贷市场,从而加剧银行风险承担,增加信用风险。另一方面,大数据、人工智能等金融科技的应用有助于缓解信息不对称问题[5-6],提高信贷决策效率,进而提高银行风险控制能力,降低信用风险[7-8,35]。但是,金融科技的发展和应用与本文关注的银行数字化转型不同,金融科技的发展和应用代表了数字技术的赋能效应,而银行数字化转型则是基于数字技术的商业模式创新和业务转型,是各部门、分支机构甚至各行业共同推进的系统性工程。金融科技的发展和应用均不能解释数字化转型的内涵。基于此,本文对数字化转型的概念进行了界定,即：数字化转型包涵“数字化战略”和“数字化技术”两个层面。其中,“数字化战略”是指商业银行把数字化转型作为企业的顶层战略规划,以战略引领组织架构、技术和业务转型。“数字化技术”主要是指银行利用金融科技手段为战略、组织架构和业务等提供技术支撑。

本文的研究贡献体现在：第一,从“数字化战略”和“数字化技术”两个方面构建数字化转型的指标并进行分析,解决了以往研究中仅从数字技术的应用视角进行研究的局限性,提高了指标度量和研究的全面性和准确性。第二,以数字化转型为视角,研究数字化转型对银行信用风险的直接影响,并创新性地从“数字化战略”和“数字化技术”两个方面探索其对信用风险治理的不同作用。第三,从管理渠道和信贷业务渠道揭示了数字化转型对银行信用风险的影响机制,有助于银行管理者制定更有针对性的战略规划。

二、文献综述和研究假设

(一)文献综述

1.外部数字技术的发展对银行风险的影响

关于外部数字技术的发展与银行风险之间关系的研究主要从风险传染、银行竞争等渠道展开分析。一方面,数字技术的迅速发展,增加了金融机构之间、企业之间和市场之间的关联性,增强了金融机构间的风险传染性,放大了系统性风险的溢出效应,加剧了银行业系统性风险[9-10]。另一方面,数字技术的发展凭借其低成本、高效率等优点,加剧了银行间的竞争[11],降低了银行利润,银行将被迫增加高风险项目投资,进而提高银行主动风险承担水平[12]。

2.银行内部金融科技的应用对其风险的影响

关于银行内部金融科技的应用与银行风险之间关系的研究主要通过主动风险承担、风险控制、经营效率等渠道展开分析。一方面,数字技术的应用有助于缓解信息不对称问题[5-6],进而提高银行信息甄别能力和风险识别能力,建立更加精确的智能风险控制模型,提高风险管理水平,降低银行风险承担水平[13-14]。另一方面,银行金融科技的应用在提高风险控制能力的同时,基于自信效应[4],推动银行积极寻求信贷业务扩张,有效缓解银行对未来风险的恐慌,增加风险容忍度,提高银行主动风险承担水平[15]。此外,也有学者研究发现,大数据、人工智能等数字技术的应用有助于通过线上渠道优化业务流程,提高业务审批和决策效率,降低银行经营成本,提高管理效率,降低银行经营风险[16]。

3.数字化转型对银行信用风险的直接影响

关于数字化转型对银行信用风险的直接影响,多数学者仍采用数字技术的应用作为数字化转型的代理变量,与本文所研究的数字化转型有所不同。例如,蒋海等(2023)[7]、翟胜宝等(2023)[17]、Zhu和Jin(2023)[18]的研究,均证明了数字化转型有助于降低银行风险承担水平,且影响渠道也与上文一致。刘慧超和王书华(2023)[19]则认为数字化转型与中小银行风险呈倒“U”型关系,即银行数字化转型初期,由于数字化转型投入加大造成成本增加,且业务创新与风险管理水平不匹配,导致银行风险加大,但随着数字化转型的不断深入,技术和业务的融合发展促使银行降低成本,提高风险管理水平,银行风险随之下降。此外,郭峰等(2023)[8]也基于数字技术的应用构建了数字化转型指数,并分析了数字化转型对银行信用风险的直接抑制作用。

4.文献评述

综上所述,关于数字化转型与银行信用风险之间关系的研究比较丰富,但存在以下研究不足：第一,外部数字技术的发展作为宏观经济变量不能解释银行微观个体的数字化转型程度,银行内部金融科技的应用体现了数字技术的赋能效应,也不能解释数字化转型的内涵。因此,本文从“数字化战略”和“数字化技术”两个层面完善了数字化转型的内涵并进行研究。第二,现有文献主要分析数字化转型对银行风险承担、系统性风险和经营风险的影响,鲜有文献通过直接证据检验数字化转型对银行信用风险的影响及作用机制,本文丰富这方面的研究。

(二)理论分析和研究假设

1.数字化转型对银行信用风险的影响

本文从“数字化技术”和“数字化战略”两个视角探究数字化转型对银行信用风险的影响。首先,“数字化技术”的应用有助于提高银行贷前、贷中和贷后的风险控制能力,有效降低信用风险。具体而言,在贷前阶段,大数据、人脸识别等技术的应用有助于银行迅速处理海量数据,深入挖掘客户信息,缓解借贷双方的信息不对称问题[5-6],有助于银行更准确地识别借款人经营状况、还款能力和资信状况,有效降低不良贷款的发放,降低信用风险。在贷中阶段,大数据和人工智能等技术的应用有助于银行建立智能化、动态化决策机制和模型,更加准确、全面地进行贷中决策,提高信贷决策效率[16],减少决策失误造成的不良贷款率的攀升。在贷后阶段,银行利用数字技术构建更加精准的风险预警模型,有效预测客户贷后信用风险状况,实现信用风险的动态实时监测[19],有助于银行快速识别和分类不良贷款,降低信用风险。同时,智能催收平台的建立有助于银行提高催收效率,提高不良贷款处置效率,降低不良贷款率。

其次,“数字化战略”的实施主要通过影响银行管理层的决策和行为对信用风险产生作用。具体而言,清晰的数字化转型战略是银行数字化转型的方向和指引,有助于提升银行管理层对数字化转型的认知,培养数字化管理思维[20],有助于管理层制定更加科学的风险管理体系,提高风险管理水平,降低信用风险。此外,穆红梅和郑开焰(2021)[21]认为,开放银行是数字化转型的战略选择之一,开放银行的建设有助于银行与金融机构、金融科技公司等第三方之间数据、算法、交易和流程的共享。信息和数据共享有助于提高银行评估借款人信用状况的准确性,减少信息不对称带来的信用风险。据此,提出本文的研究假设1。

H1数字化转型有助于降低银行信用风险。

2.数字化转型通过管理渠道对信用风险的影响

商业银行进行数字化转型有助于其降低成本,提高管理效率。首先,数字化技术的应用,促使商业银行突破时间和空间的限制,线上服务大幅降低了交易成本和人工成本,提高了银行的经营效率[17]。其次,组织架构转型是数字化转型的关键,需要银行明确管理层职责划分、设立数字化相关部门和部门之间的协调联动,提高工作效率和协同效应[17,20]。例如,通过建立内部协作平台,可以实现各部门之间的信息共享和沟通,减少信息传递的延误和误解,提高工作效率。因此,数字化转型有助于优化业务流程,降低银行交易成本和人工成本,提高管理效率。一方面,银行管理效率的提升意味着银行能够更有效地控制和管理风险,提高风险管理水平[17],有效降低信用风险。另一方面,银行经营管理效率的提升,可以提高银行的竞争力和盈利能力,减少高风险项目投资[14],减少不良贷款的发放,进而降低信用风险。据此,提出本文的研究假设2。

H2数字化转型通过提高银行管理效率降低信用风险。

3.数字化转型通过信贷渠道对银行信用风险的影响

数字化转型通过降低信贷集中度抑制银行信用风险。一方面,数字化转型有助于以客户为核心创新信贷产品和服务,且大数据、人工智能等数字技术的应用可以解决信贷双方间的信息不对称问题,有助于银行更加准确地识别风险项目[13]。产品和服务的创新、风险识别能力的提升,均有助于银行扩大中小企业和个人信贷服务的覆盖面,增强信贷的普惠性[7,22],进而减少银行对大型客户信贷的过度依赖,有效降低信贷集中度,降低信用风险。另一方面,数字化转型通过建立智能信贷审批和监控系统,优化信贷业务流程,提高银行信贷服务能力和信贷决策效率,有助于银行建立多元化信贷投资组合,降低信贷集中度[14,22],从而降低信用风险。据此,提出本文的研究假设3。

H3数字化转型通过降低贷款集中度抑制信用风险。

三、研究设计

(一)数据来源和处理

本文数据主要来自于WIND数据库、CSMAR数据库和各银行官网公布的年度财务报告,样本区间为2011—2020年。剔除缺失较为严重的样本后,本文以74家银行为研究样本,包括5家国有大型商业银行、11家股份制商业银行、43家城市商业银行、15家农村商业银行。其中,刻画银行数字化转型的文本信息,获取自各银行2011年至2020年的年报正文。银行层面的控制变量数据来自于WIND数据库和CSMAR数据库,个别缺失的数据从银行年报查询并进行补充。

本文对样本做了以下处理：第一,剔除各银行年报缺失和关键财务指标缺失的银行;第二,若样本期内缺失“单一”年度观测值,则以临近年度观测值作为补充;第三,对出现极端值的变量数据进行了1%和99%分位的双边缩尾处理。经过上述处理后,最终得到740个有效观测值。

(二)回归模型的设定

本文采用双向固定效应(TWFE)模型验证数字化转型对银行信用风险的影响,并进行平行趋势假设检验。

1.基准DID模型的构建

本文将银行进行数字化转型作为一项准自然实验,构建多期交叠DID模型以考察数字化转型对银行信用风险的影响,即如下回归模型

NPLit=α+βDIDit+θControlsit+μi+γt+εit

(1)

式(1)考虑了个体和年份固定效应。其中,β为本文关心的系数,代表银行数字化转型对银行信用风险的影响。i表示银行,t表示年份。被解释变量NPLit表示i银行在t年的信用风险,以不良贷款率(NPL)和贷款减值准备/贷款总额(LLR)作为银行信用风险的衡量指标。DIDit为双重差分变量,如果银行i在t年进行了数字化转型,那么银行i在t年及以后的年份中DIDit=1,否则为0。Controlsit表示控制变量,θ为控制变量的系数。μi,γt为个体和时间固定效应,εit为残差项。

2.平行趋势检验模型设定

使用多期交叠DID的前提之一是在银行进行数字化转型之前,处理组和控制组的信用风险变化趋势是一致的。本文采用事件分析法进行平行趋势检验,模型设定如下

NPLit=∑τ<0ρτDIDτ,it+∑τ≥0ρτDIDτ,it+θControlsit+μi+γt+εit

(2)

其中,ρτ是检验平行趋势的核心解释变量的系数。DIDτ,it是二元虚拟变量,用来描述商业银行数字化转型的相对时刻,如果t-Ei=τ,τ∈[-6,5],则DIDτ,it=1,否则为0。τ=t-Ei是衡量银行个体i在第t年距离数字化转型年份的相对时间,Ei为银行个体i进行数字化转型的年份。τ<0代表干预前的相对时刻,是需要进行平行趋势检验的区间。基于式(2)进行回归,得到系数ρτ的估计值并进行F检验。

3.中介效应检验模型

为了研究管理效率和信贷集中度是否具有中介效应,本文在式(1)的基础上,以成本收入比(CIR)和信贷集中度(TEN)为中介变量,分别构建中介效应模型,如式(3)和式(4)。

Medit=α+βDIDit+θControlsit+μi+γt+εit

(3)

NPLit=α+βDIDit+ηMedit+θControlsit+μi+γt+εit

(4)

其中,Medit为中介变量,包括管理效率(CIR)和信贷集中度(TEN);DIDit为数字化转型指数;NPLit为信用风险水平。

(三)变量说明

1.被解释变量：银行信用风险

本文选取不良贷款率(NPL)来衡量商业银行的信用风险[7]。不良贷款率越低,表明借款人违约概率越低,银行信用风险越低,是衡量信用风险的良好指标。另外选取贷款减值准备与贷款总额的比重(LLR)进行稳健性检验。

2.解释变量：银行数字化转型

现有研究中关于商业银行数字化转型衡量的方法主要以两类为主：一是以“北京大学数字普惠金融指数”作为外部金融科技发展水平的代理变量[10]。二是采用“文本挖掘法”[7-8]。该方法是基于商业银行年报,利用Python等软件从年报中抓取与数字化转型相关的关键词,并计算词频合成数字化转型指标,但此方法可能缺乏专业的主观判断,容易造成误判。

因此,本文参考谢绚丽和王诗卉(2022)[23]对第二种方法的改进,利用Python对74家商业银行年报中的“数字化技术”和“数字化战略”的关键词(见表1)进行抓取,再通过以下步骤来测度银行数字化转型。首先,如果“数字化技术”相关词频出现5次及以下,该银行被认定为尚未应用“数字化技术”,TECH取值为0。如果“数字化技术”相关词频出现5次以上,则认为银行应用了“数字化技术”,TECH取值为1[24]。其次,通过对年报中含有“数字化战略”相关关键词的语句进行抓取,并通过人工阅读的方式判断该语句与商业银行数字化转型之间是否存在关系。若语句显示银行实施了“数字化战略”,STRA取值为1;若抓取的语句显示银行尚未实施“数字化战略”,STRA取值为0。最后,若数字化战略(STRA)和数字化技术(TECH)两个变量同时取1,则说明银行进行了数字化转型,DID赋值为1,否则DID赋值为0。

表1 数字化转型相关关键词

通过以上方法对样本期内74家商业银行进行判断,结果如图1所示。53家商业银行在样本期内进行了数字化转型,21家银行在样本期内未进行数字化转型。本文样本符合多期交叠DID的样本特征,即存在一直未受处理的样本;银行进行数字化转型的时间不同;不存在银行进行数字化转型后又退出的情况。此外,本文用同样的方法对已经转型的53家银行的数字化转型程度进行度量,得到数字化转型总指数(SZH)、数字化技术(SZH1)和数字化战略(SZH2)三个连续型变量。

图1 数字化转型的银行数量

3.控制变量

本文参考顾海峰和卞雨晨(2022)[2]的思路,选取以下控制变量：银行资产规模(SIZE)、贷款增长率(LOANGR)控制银行资产规模和信贷规模对信用风险的影响;盈利能力(NIS)以净利差表示,控制商业银行在传统业务上的盈利能力对信用风险的影响;资本充足率(CAR)用来控制银行的其他风险对信用风险的影响;是否上市(LIST)代表银行是否上市,已经上市的年份取1,否则取0,控制银行是否上市对信用风险的影响;拨备覆盖率(PC)控制银行风险偏好对信用风险的影响。

4.中介变量

本文基于管理渠道和业务渠道两方面选取管理效率(CIR)和信贷集中度(TEN)两个中介变量研究数字化转型对银行信用风险的作用机制。

变量说明见表2。主要变量的描述性统计见表3。

表2 变量说明

表3 描述性统计

四、实证检验及结果分析

(一)基准回归模型

1.基准回归结果

本文采用不良贷款率(NPL)作为被解释变量,对模型设定式(1)进行估计,并以贷款减值准备/贷款总额(LLR)替换被解释变量进行稳健性检验。表4汇报了模型设定(1)的回归结果,每列均控制了个体和年份固定效应。

表4 数字化转型对银行信用风险影响的回归结果

表4列(1)回归结果显示,核心解释变量DID的系数为-0.20,在1%水平上显著,表明银行进行数字化转型可以显著降低信用风险。列(2)加入了控制变量后,核心解释变量DID的系数始终为负且显著(-0.13),说明控制了众多因素后,银行进行数字化转型仍能显著降低银行的信用风险。列(3)(4)以贷款减值准备/贷款总额(LLR)作为被解释变量,控制了众多因素后,核心解释变量DID系数也为负且在1%水平上显著(-0.29)。综上所述,商业银行进行数字转型有助于降低其信用风险,假设1得到验证。

2.基于数字化转型分解的回归结果

本文进一步将数字化转型分解为“数字化技术(TECH)”和“数字化战略(STRA)”两个二级指标进行回归,以分析数字化战略和数字化技术分别对银行信用风险的影响。回归结果如表5列(1)(2)所示,数字化技术(TECH)和数字化战略(STRA)对银行信用风险的影响均为负且在5%水平上显著,表明数字化技术的应用和数字化战略的实施均对信用风险存在抑制作用。此外,本文将贷款减值准备/贷款总额(LLR)作为被解释变量进行稳健性检验,回归结果如表5列(3)(4)所示,数字化技术和数字化战略均对银行信用风险存在抑制作用,与上文结论一致。因此,银行数字化转型是一个系统性工程,数字化战略的实施和数字化技术的应用都是转型的关键,战略转型是技术转型的方向和指引,技术转型则是战略转型的基础和支撑,缺乏明确的数字化战略目标作为指导,数字化技术的应用可能会变得盲目和片面,两者的相互作用有助于提高银行转型的效果,提高信用风险治理能力。

表5 “数字化战略”和“数字化技术”对信用风险影响的回归结果

3.数字化转型程度对信用风险的影响

上述基准回归根据银行是否进行数字化转型,构建交叠DID模型来检验转型效果,可能存在结果不够精确的问题。由于不同银行进行数字化转型的成效是不同的,为了检验数字化转型成效对银行信用风险的不同影响,本文以样本中进行数字化转型的53家银行作为新的研究样本,采用上文构建的数字化转型总指数(SZH)、数字化技术(SZH1)和数字化战略(SZH2)三个连续型变量对信用风险进行检验,回归结果如表6所示。

表6 数字化转型程度对银行信用风险的回归结果

如表6列(1)所示,从银行不同数字化转型程度(SZH)视角分析,回归结果仍然为负且在1%水平上显著(-0.07),说明银行数字化转型程度越高,其对信用风险的抑制作用越强,原因在于银行数字化转型程度越高,转型战略实施的力度越大,金融科技投入越大,数字化技术的赋能效应越显著,风险管理水平越高,对信用风险的抑制作用越强。如列(2)(3)所示,一方面,数字化技术的应用(SZH1)和数字化战略的实施(SZH2)对银行信用风险的影响同样为负且至少在5%水平上显著。因此,数字化转型在概念的界定及实证分析中不仅要考虑数字化技术的应用,同时也要考虑数字化战略及两者相互作用对信用风险的影响。此外,本文也采用谢绚丽和王诗卉(2022)[23]构建的“北京大学商业银行数字化转型指数”替换被解释变量(SZH)进行稳健性检验,回归结果如列(4),数字化转型(DIGI)的回归系数为负且在1%水平上显著(-0.08),与上述回归结果一致。

(二)平行趋势检验

(三)安慰剂检验

考虑到数字化转型对银行信用风险的统计显著性可能是由于政策冲击前的某些未被控制的其他政策影响导致的,本文进行了安慰剂检验。借鉴白俊红和张艺璇(2022)[25]的方法,本文选取原模型中处理组样本,随机抽取并生成伪处理组样本,其余样本则为伪对照组样本,并对处理组的样本随机生成伪政策虚拟变量,重新进行检验。采用新样本重复500次进行回归得到DID的估计系数,估计结果如图3所示,DID系数集中分布在0附近。综上所述,本文的采用TWFE模型的回归结果是可靠的,并没有因为其他变量或政策的影响而导致严重偏误。

(四)TWFE模型偏误诊断

大量实证文献表明,当政策实施时点存在交叠时,即使满足平行趋势假设,TWFE模型估计量也可能由于“负权重”“预趋势”或“异质性处理效应”等问题产生偏误[26-29]。因此,本文对可能导致模型偏误的原因进行了检验。检验结果表明,本文样本不存在预期效应和负权重问题,但异质性处理效应的存在可能导致TWFE模型估计量产生偏误(1)由于篇幅限制,负权重、预趋势和同质性处理效应检验的结果没有列出。。

(五)交叠DID异质性稳健估计量

本文分别参照Callaway和Sant’Anna(2021)[27]、Borusyak等(2021)[28]、De Chaisemartin和D’Haultfoeuille(2020)[29]提出的方法对TWFE模型估计量因异质性处理效应可能产生的偏误进行修正。上述三种方法分别基于组别-时期加权平均处理效应(CSDID)、插补法和即时处理效应(DIDM)三种估计量对模型可能的偏误进行修正。图4给出了三种方法的异质性动态处理效应图。首先,数字化转型之前银行信用风险的变化并不显著,三种估计量均满足平行趋势假设。其次,三种估计量的回归结果均表明,银行数字化转型之后从第3期开始,对信用风险的抑制效应开始显著且逐渐增强。原因可能是数字化转型对信用风险的抑制作用存在一定的滞后性,且银行数字化转型的时间越久,其转型程度越深,商业模式、组织架构和业务流程的改革不断深入,数字化技术赋能风险管理的效应越强,信用风险的预警和治理效果越好。综上所述,检验结果进一步说明TWFE的估计偏误问题并不严重,基于TWFE的估计结果基本可靠。

90%置信区间90%置信区间CSDID插补法回归系数0.50-0.5-1.0-1.5-5-4-3-2-1012345政策处理的相对时间90%置信区间DIDM图4 异质性动态处理效应图

(六)内生性检验

上述回归结果初步验证了商业银行数字化转型对信用风险的抑制作用,但模型仍可能由于反向因果关系和样本自选择偏差等因素导致内生性问题。因此,本文分别采用动态面板GMM方法、工具变量法、样本重新匹配法和交互固定效应法重新进行估计,以缓解模型可能存在的内生性问题。

1.动态面板GMM检验

本文借鉴郭峰等(2023)[8]的研究将被解释变量的滞后一期引入模型中,采用GMM方法进行动态面板估计,表7列(1)(2)给出了回归结果,DID的系数为负且在1%水平上显著,表明在考虑模型可能存在的内生性后,数字化转型仍然对银行信用风险产生抑制作用。此外,AR(2)检验结果表明误差项不存在二阶序列相关,Hansen检验结果表明工具变量是有效的,基准回归模型具有稳健性。

表7 内生性检验结果

2.工具变量法

本文借鉴谢绚丽等(2018)[30]的做法,选取省级互联网普及率(Inter)和北京大学数字普惠金融省级总指数(DIFI)作为工具变量。银行数字化转型是数字经济驱动下的特定产物,互联网普及率作为数字化的基础设施,数字普惠金融总指数代表了数字经济发展水平,两者均与银行数字化转型的程度存在紧密的联系,均具有较强的相关性,且与银行信用风险之间没有直接关系。如表7列(3)所示,两个工具变量的第一阶段回归系数均为正且显著,LM检验和Wald F检验结果均大于经验值,排除不可识别和弱工具变量的可能性。列(4)展示了工具变量第二阶段的回归结果,DID的估计系数为负且至少在1%水平上显著(-0.79),表明考虑模型可能存在的内生性问题后,数字化转型仍对银行信用风险具有显著抑制作用,基准回归结果依然稳健,工具变量较好地缓解了内生性问题带来的干扰。

3.PSM-DID和EBM检验

商业银行是否进行数字化转型是银行自身的行为,即为非随机化实验,因此某个银行是否进行数字化转型可能依赖于其资产规模、盈利能力等其他因素。事实上,往往是国有大型商业银行会率先实施数字化转型,且这些银行资产规模、盈利能力都较高。因此,为了解决自选择偏差问题,本文采用倾向得分匹配法(PSM-DID)和熵平衡匹配法(EBM)匹配样本后重新进行回归。

首先,为解决面板数据在倾向得分匹配(PSM-DID)中出现的“时间错配”问题,本文参考了李青原和章尹赛楠(2021)[31]的方法,采用逐期匹配法得到了更加适合的对照组。基于匹配好的样本,对式(1)进行回归,回归结果见表8列(1),数字化转型的回归系数为负且在5%水平上显著(-0.18),这与上文结论基本一致。其次,鉴于倾向得分匹配法可能会存在自匹配或匹配对象在政策前后不一致等问题[32],会损失样本信息,本文采用熵平衡匹配法(EBM)进一步进行检验。以上文中所有控制变量作为协变量进行熵平衡匹配。经过熵平衡匹配后,处理组和控制组协变量的均值和方差的差异明显缩小。此外,对匹配后的样本重新进行回归,回归结果如表8列(2)所示,数字化转型的回归系数为负且在10%水平上显著(-0.09),表明上文结论比较可靠。

表8 PSM-DID和EBM检验结果

4.考虑不可观测混淆因子的交互固定效应再检验

当存在不可观测随时间变化的混杂因素时,TWFE模型的估计结果将是有偏的。因此,本文参考Liu等(2022)[33]的方法,采用固定效应反事实估计量(FECT)和交互固定效应反事实估计量(IFECT)进行插补,重新进行回归。固定效应反事实估计量(FECT)允许政策效应在样本之间和不同时间内的异质性;交互固定效应反事实估计量(IFECT)可以将未观察到的、随时间变化的混杂因素纳入模型,解决内生性问题。如图5给出了两种方法的回归结果。剔除不可观测随时间变化的混淆因子影响后,两种方法得到的平均处理效应变化趋势基本一致。数字化转型之前,各期回归系数相对平稳,且在0值附近波动。数字化转型之后,各期回归系数为负且显著,并逐渐下降,表明数字化转型对银行信用风险的影响随时间推移逐步加深。综上所述,上文回归结果较为可靠,TWFE模型估计结果并不存在严重偏误。

图5 基于“插补估计量”的异质性—稳健估计

五、机制检验

本文借温忠麟等(2004)[34]的研究对管理效率(CIR)和信贷集中度(TEN)进行中介效应检验,分析商业银行数字化转型对信用风险的影响渠道。中介效应模型式(3)和式(4)的回归结果见表9。列(1)(2)给出了管理效率(CIR)渠道的中介效应回归结果。列(1)数字化转型(DID)的回归系数为负且在5%水平上显著,列(2)管理效率(CIR)的回归系数为正且在5%水平上显著,表明数字化转型可以通过降低银行经营成本,提高管理效率和风险管理水平,进而抑制信用风险。此外,管理效率的提升将减少商业银行高风险项目投资决策,减少冒险动机带来的信用风险的增加,假设2得到验证。列(3)(4)给出了信贷集中度(TEN)渠道的中介效应回归结果。其中列(3)数字化转型(DID)的回归系数为负且在5%水平上显著,而列(4)信贷集中度(TEN)的回归系数为正且在1%水平上显著,表明商业银行数字化转型可以通过数字技术赋能银行风险管理,帮助银行制定分散化投资组合,降低信贷集中度,进而降低信用风险,假设3得到验证。综上所述,管理效率(CIR)和信贷集中度(TEN)在数字化转型影响银行信用风险中具有中介效应。

表9 中介效应检验结果

六、结论和政策启示

数字化转型已经成为我国商业银行创新和改革发展的关键环节,同时对提高银行风险治理能力,防范和化解金融风险具有重要意义。在此背景下,本文以银行数字化转型为视角,通过“文本挖掘法”判断商业银行是否进行数字化转型,并以2011—2020年74家商业银行的年度面板数据进行实证检验,得到四个结论。第一,商业银行进行数字化转型显著降低了其信用风险。考虑数字化转型程度后,该结论依然成立。第二,动态处理效应检验结果表明,商业银行进行数字化转型的时间越长,其对信用风险的抑制作用越大,但该抑制作用存在一定的滞后性。第三,本文将数字化转型分解为“数字化战略”和“数字化技术”两个二级指标进行检验,结果表明,“数字化战略”和“数字化技术”均能显著抑制银行信用风险,且“数字化战略”的抑制效应更强。第四,机制分析表明,商业银行数字化转型通过提高管理效率和降低信贷集中度抑制银行信用风险。

基于上述结论,本文提出以下政策启示：

第一,商业银行微观层面,银行应积极布局和推进数字化转型战略。研究发现,数字化转型有助于降低银行信用风险,且转型时间越长,抑制作用越大。因此,商业银行应将数字化转型作为一项长期战略持续推进,积极探索大数据、人工智能等数字技术在金融领域的应用,加大金融科技投入,充分发挥数字化转型在防范和化解金融风险方面的重要作用。此外,机制分析表明,数字化转型通过降低银行信贷集中度抑制信用风险。因此,商业银行要积极探索和利用数字化转型在缓解信息不对称、提高信息透明度等方面发挥的作用,改变“搭便车”“垒大户”的授信习惯,通过构建多元化信贷投资组合,降低信贷集中度,分散信用风险。

第二,银行业中观层面,银行业应加强银行间、银行与金融科技公司间的合作,打造数据互通、安全高效的开放共享共赢金融生态圈。因此,银行业应以内部变革和外部合作共同推进数字化转型,促进资源共享、优势互补,有助于提升自身技术水平和创新能力,提高风险管理水平,同时为防范和化解系统性金融风险提供有力保障。

第三,宏观层面,政府部门应加大对商业银行数字化转型的支持力度。政府部门应为银行提供政策支持和指导,明确数字化转型的目标、路径和方法,鼓励银行与金融科技公司合作,推动双方的合作共赢,共同推进数字化转型。虽然本文研究表明,数字化转型有助于提高风险管理水平,抑制信用风险,但也要防范数字化转型过程中可能暴露的新型风险,如科技风险、数据风险和模型风险等。因此,监管部门应建立风险防控和监管的协调机制,加强沟通和协作,以更好的推进金融高质量发展。

本文的局限性主要在于商业银行数字化转型度量仍没有找到统一且精确的方法,有待完善。此外,限于数据的可获得性,不同银行类型的异质性并未赘述,这也是未来值得探究的课题。