数字化转型与商业银行信用风险管理：效应分析与国际借鉴

摘要

数字化转型在创新商业银行管理模式的同时，也带来了不可忽视的信用风险。本文以2010—2021年140家商业银行为研究对象，基于战略数字化、业务数字化和管理数字化三个维度，实证检验了数字化转型对商业银行信用风险的影响效应，并对国际同业先进经验进行了梳理总结。研究发现：商业银行数字化转型与信用风险水平总体存在先降后升的倒U型关系，随着转型的深入，数字化转型会通过银行盈利能力这一机制，产生明显的“信用风险优化”效应；战略数字化、管理数字化转型对商业银行信用风险的短期影响不明显，业务数字化转型的“信用风险加剧”效应在短期较为明显；从长期来看，战略数字化、管理数字化、业务数字化转型均会产生“信用风险优化”效应，而管理数字化转型的相关效应最为明显；异质性检验还发现，相比于非国有银行，国有银行通过数字化转型更有效地降低了信用风险水平，且数字化转型对大规模商业银行“信用风险优化”效应也更为明显。

关键词数字化转型商业银行信用风险管理国际经验

一、引言和文献综述

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底线。”中央金融工作会议也进一步强调，防控风险是金融业的永恒主题。信用风险防控不仅是防范化解金融风险的重点领域，也是商业银行稳健经营面临的主要风险之一。随着大数据、人工智能、区块链等数字技术逐渐成熟，商业银行纷纷布局数字化转型以重塑和革新经营模式（穆红梅和郑开焰，2021），这种技术驱动型的金融创新不仅催生出了电子银行、线上贷款等新的服务方式和产品类型（Jaki&Marin，2019），也为商业银行信用风险管理提供了自动审核、智能审批、大数据征信、智能化信用评分模型及贷后动态监控等多元化的智能风险控制手段。但与此同时，商业银行数字化转型过程受多种因素影响，可能衍生出包含信用风险在内的其他风险（陆岷峰，2023），这些风险有可能转化为严重的系统性金融风险。在此背景下，深入研究数字化转型对商业银行信用风险管理的影响效应，梳理总结国际先进经验，在此基础上科学构建我国银行数字化转型过程中的信用风险监测与监管机制，对于巩固数字化转型成果、提高银行风险治理能力、保障中国金融体系运行的平稳性及安全性，具有十分重要的理论价值和现实指导意义。

信用风险管理是商业银行经营管理的重要内容。国内外学术界主要从信用风险的来源、量化和防范视角出发，进行了较为深入的研究。DellAriccia&Marquez（2004）认为，信息不对称是造成信用风险产生的主要因素。Das&Ghosh（2007）利用某银行近10年的历史数据分析发现，在外部因素影响较小的情况下，银行自身管理水平是影响信用风险的主要因素。顾海峰（2014）认为，商业银行的贷款业务是银行信用风险的主要来源，管理制度、银行机制等方面也是银行信用风险的潜在诱因。早期银行多使用专家评分法进行信贷分类，但该过程存在主观随意性（Shaw&Gentry，1988）。1988年实施的《巴塞尔协议》通过设定不同类型资产的权重，开启了量化风险的研究。在发展过程中，银行业传统信用风险度量模型存在的时效性不强、假设单一等问题不断被修正，演化出了KMV模型、CreditRisk+模型等。Dai（2020）利用KMV模型对某银行近年来的财务数据进行了计量分析，从而实现了风险的衡量与规避。Lu&Tong（2021）对123家企业的现有信用记录与信用评级进行量化，并运用主成分分析法进行违约分析，建立违约筛选模型，并进一步细化风险等级。也有学者利用CreditRisk+模型、TOPSIS模型等，对单个银行信用风险进行了度量（吕品等，2014）。对于商业银行而言，加强内部控制建设，规范审批流程，建立健全风险防控体系显得尤为重要（Rivera&Mendoza，2017）。

银行数字化转型是一项以数据资源为基础，以金融科技为引擎，实现数字金融与传统金融深度融合，以达到降低银行各类成本、提高银行客户黏性、改善银行运营效率（罗煜等，2022；姚志刚等，2016；郭峰等，2023）等多元目标的系统性变革工程。根据世界银行2021年的调查，数字化转型是绝大多数传统商业银行的一项战略重点（Feyenetal.，2021）。随着商业银行数字化转型的广泛开展，研究数字化转型影响银行风险承担的文献也越来越多，但得到的结论莫衷一是。一种观点认为，银行应用金融科技等数字技术手段有助于缓解信息不对称、优化贷款结构，实现银行管理成本的降低和经营效率的提升（Begreetal.，2020；郭峰等，2023；蒋海等，2023），从而抑制银行信用风险，产生所谓的“信用风险优化”效应。另一种观点认为，数字化转型使商业银行面临更多的信用风险，从而产生“信用风险加剧”效应。李向红和陆岷峰（2023）认为，由于数字技术具有传播、放大等功能，叠加金融行业的高杠杆、高风险特征，风险一旦形成往往控制难度较大，且数字化转型风险具有一定的隐蔽性，识别难度相对较大。数字时代金融创新产品的风险隐蔽性强，数据、网络、隐私、第三方技术依赖等科技属性风险均是风险传染的潜在影响因素，也形成了渗透力与传染力更强的市场风险（蔚赵春和徐剑刚，2017）。此外还有学者认为，金融科技、互联网金融等对银行风险承担的影响不是简单的促进或抑制关系，而是非线性或非对称性的关系（郭品和沈悦，2015；刘忠璐，2016；蒋海和吴文洋，2020；金洪飞等，2020）。但是，银行的数字化转型并不等同于信息化，也不是简单的对金融科技的使用，其还带来了新的业务形态、管理方式，相应地，银行数字化的过程可以分解为战略、业务和管理等维度的数字化（谢绚丽和王诗卉，2022）。银行数字化转型内涵界定的差异可能导致了研究结论的不一致。

相比于现有文献，本研究可能存在以下边际贡献：第一，基于战略数字化、业务数字化和管理数字化三个维度，本研究更加全面细致地考量了商业银行数字化转型对于信用风险的影响及可能存在的异质性，这不仅弥补了以往仅从数字技术应用视角进行研究的局限性，也有助于商业银行管理者制定更有针对性的战略规划。第二，本研究从非线性角度考察数字化转型与商业银行风险的关联性，其结论能够更加贴近银行业数字化转型发展实际。第三，本研究系统梳理总结了国际商业银行及政府组织通过数字化转型加强信用风险管理的有益经验，为在数字时代建设更适宜于我国国情特征的商业银行风险管理体系提供了一定的政策启示。

二、理论分析与研究假说

数字化是一个系统性、全面性的过程。本文主要从战略数字化、业务数字化和管理数字化三个维度探究数字化转型对于商业银行信用风险的影响。首先，战略数字化体现了商业银行在整体战略层面对数字技术的关注，较高的战略数字化程度有助于提升商业银行决策制定者对于数字化转型的认识，帮助其更准确地分析宏观经济趋势和市场动态（翟胜宝等，2023），有效提高决策效率，提升合规监管的自动化水平，从而制定更为合理的信贷政策和风险控制策略。其次，业务数字化使得银行更好地将数字技术融合于自身提供的金融服务。一方面，这有助于银行优化业务流程，增加盈利模式的多元化，从根本上提升自身抵御风险的能力；另一方面，业务数字化的应用可以增强银行获取和处理客户信息的能力，从而缓解银行与客户之间的信息不对称问题，更精准地评估借款人的信用风险，优化贷款结构。此外，数字化手段有助于银行拓展信贷客户群体，避免信贷资源过度集中于少数借款人，从而降低信贷风险。再次，管理数字化体现为数字技术融合于治理结构和组织管理的程度，主要作用于改变组织内部架构、人才培育结构以及加强与外部科技公司的投资合作。管理数字化对传统商业银行的经营模式和员工培养理念产生了深层次影响，银行围绕数字技术不断优化组织架构和人才构成，在进一步减少管理费用与服务成本、增强金融科技人才“虹吸效应”的同时，实现了降本增效和盈利模式多元化，从源头降低了信用风险。加强与外部科技公司的投资合作在一定程度上实现了数据、算法、交易和流程的共享（穆红梅和郑开焰，2021），有助于提高银行对借款人信用状况评估的准确性，有效减少信息不对称带来的信用风险。据此，本文提出假说1。

H1：商业银行基于战略数字化、业务数字化和管理数字化三个维度开展数字化转型，能够产生“信用风险优化”效应，有助于降低商业银行信用风险。

从现有研究来看，数字化转型对商业银行信用风险的影响可能随着数字化程度的变化而呈现非线性趋势。一方面，从盈利能力角度来看，在数字化转型的早期，商业银行需要投入大量人力、物力和算力等资源，运营成本提升，可能导致经营效率下降，从而迫使银行转向利润更高、风险更大的资产以弥补成本的增加，加剧信用风险。另一方面，从技术角度来看，在初期阶段，数字化转型发展可以通过改变区域内金融科技人才的流动，使对银行风险控制技术发展至关重要的金融科技人才从以商业银行为代表的传统金融业部门流向新兴金融科技企业，进而抑制商业银行的技术改进和风险控制能力提升。因此，从短期来看，商业银行开展数字化转型面临“信用风险加剧”的可能性。但是，随着商业银行数字化转型进入相对成熟的阶段，此前的“信用风险加剧”效应可能逐渐弱化，数字化转型的“信用风险优化”效应逐步占据主导地位，从而降低银行的风险水平。据此，本文提出假说2。

H2：数字化转型对于商业银行信用风险的影响可能存在非线性特征，即呈现先升后降的倒U型关系。

三、研究设计

（一）样本选择和数据来源

本文使用2010—2021年140家商业银行的非平衡面板数据，其中包括6家国有商业银行、9家股份制商业银行、113家城市商业银行、10家农村商业银行和2家外资银行。银行数字化转型数据来源于北京大学数字金融研究中心课题组构建的“商业银行数字转型指数”，银行层面的数据来源于国泰安数据库（CSMAR）和中国研究数据服务平台（CNRDS），并通过手动查询银保监会公布的银行年报进行了补齐。此外，本文对连续性变量在1%的水平上进行了缩尾处理。

（二）模型构建

为了检验银行数字化转型对银行信用风险的影响，本文构建如下基准模型：

riskit=β0+β1Digit+β1Dig2it+∑γXit+ηt+μi+εit（1）

其中，i、t分别代表个体和年份，riskit表示银行信用风险，Digit表示银行的数字化转型程度，Xit表示为排除其他因素对实证检验的影响，引入的银行层面的控制变量。模型中还加入了时间固定效应（ηt）和个体固定效应（μi）。εit为随机误差项。

（1）被解释变量：银行信用风险（risk）

在现有的研究中，度量银行系统性风险的方法众多，主要有Z值、不良贷款率、预期违约概率等。其中，Z值衡量商业银行的破产风险水平，无法反映当前银行承担的风险；不良贷款率衡量商业银行的贷款业务损失，并非银行的风险承担意愿，并且由于贷款五级分类存在非市场化的人为操作空间，加之不良资产剥离政策调整，其测度出的数据可能存在失真；预期违约概率受制于当前我国尚未建立健全的信用评价体系，缺乏完整的数据进行精准测度。相比之下，加权资产风险占比更能体现商业银行的事前风险，可以有效反映银行调整资产结构的意愿和行为。因此，本文参考王金明和王心培（2022）的做法，使用风险资产加权占资产总额的比重来衡量商业银行信用风险水平。

（2）解释变量：银行数字化转型（Dig）

目前，国内学者就银行数字化转型的评估尚未建立统一的标准。其中，王永进等（2017）使用信息化建设等投入指标来衡量商业银行的数字化程度。王诗卉和谢绚丽（2021）通过文本分析方法统计了商业银行与金融科技有关的专利申请数量，用其衡量数字化转型。蒋海等（2023）通过机器学习抓取企业年报中数字化相关关键词的频率，用该数值反映商业银行的数字化转型。为了更全面、客观地评估我国商业银行的数字化转型情况，本文借鉴了北京大学商业银行数字转型指数，从战略数字化、业务数字化、管理数字化三个维度衡量银行的转型程度。

（3）控制变量

为剔除其他因素对企业资源配置效率的影响，本文从银行个体因素和宏观环境因素两方面选取控制变量。在银行个体层面，本文借鉴罗煜等（2022）的思路，从银行盈利性、流动性和安全性视角选取了银行规模（Size）、盈利水平（Roe）、资本充足率（Car）、资产负债率（Lev）、董事会独立（Depo）、第一大股东比例（Top1）共计6个指标。在宏观环境层面，本文选取了经济发展水平（Gdp）、居民消费价格指数（Cpi）共计2个指标。各变量定义见表1

四、实证检验与结果分析

（一）基准回归分析

表2为商业银行数字化转型对银行信用风险影响的基准回归结果。列（1）单独考察了数字化转型与信用风险的关系，Dig的系数在1%水平上显著为正，说明数字化转型会加大银行的信用风险。列（2）在列（1）的基础上进一步加入了数字化的平方项，Dig2在1%水平下显著为负，而Dig系数在1%水平上显著为正，说明商业银行数字化转型与信用风险水平存在先升后降的倒U型关系。列（3）进一步加入了控制变量，Dig、Dig2的符号、显著性均未发生改变，说明引入控制变量后并没有改变两者间的倒U型关系。为了保证结果的准确性，本文进一步进行了非线性关系检验，P值为0.00113，进一步说明了数字化转型与信用风险间存在倒U型关系，由此假说2得到验证。本文倒U型关系的转折点为Dig=0655，大于对应指标的均值（0583），表明当前大部分商业银行数字化转型可能处于初期阶段，数字化转型提高了商业银行的信用风险水平。

本文进一步关注导致这种倒U型关系的原因。已有研究表明，银行的流动性、盈利能力、经营效率等特征是影响其风险承担的重要因素。因此，本文选取经营绩效（Roe）、资本周转率（Totc）、成本收入比（Cir）等指标对数字化转型超过转折点时银行风险承担下降的原因进行进一步分析。具体来说，本文依据转折点构造虚拟变量TP（大于转折点时取值为1，否则为0），并将TP与Roe、Totc、Cir的交互项依次加入表2的列（2）中进行回归，如果交互项系数显著，说明当商业银行数字转型达到一定程度时，该变量对其信用风险的影响将产生显著变化。表3的结果显示，Roe*TP的系数在5%的水平上显著为负，说明银行数字化转型能够通过提升银行盈利能力，进一步降低信用风险。

（二）稳健性检验

1.替换被解释变量。本文采用不良贷款率（Debt）衡量商业银行的信用风险，按照式（1）的模型重新进行回归。表4列（1）中Debt的系数在1%水平下仍显著为负，说明表2估计结果是稳健的。

2.内生性检验。为了避免因信息获取困难导致变量遗漏等产生的内生性问题，本文采用工具变量法进行内生性处理。借鉴彭俞超和马思超（2022）的做法，本文采用互联网普及率作为商业银行数字化转型的工具变量IV1。互联网发展水平既可以反映银行数字化转型的基础设施环境，又不受到商业银行个体特征的影响。借鉴张国胜和杜鹏飞（2022）的做法，本文采用年份—地区数字化转型的平均值作为工具变量IV2。商业银行地区数字化转型平均值可能会影响所在地区银行的数字化选择，但并不影响具体某个银行的风险水平。列（2）和列（3）为使用工具变量后的回归结果，Dig系数的显著性并未发生改变，且一阶段的F值均大于10，验证了表2估计结果的稳健性。

3.更改模型设定。首先，为了排除宏观因素干扰，本文采用企业—时间固定效应、地区与时间交互固定效应代替基准模型的设定，估计结果见列（4）。其次，本文将被解释变量滞后一期，采用差分GMM模型重新对列（2）进行回归，估计结果见列（5）。与表2结果相比，Dig回归系数的显著性并未发生改变，验证了表2估计结果的稳健性。

4.剔除特殊样本。首先，考虑到新冠疫情可能对数字技术使用、银行信用风险存在一定的影响，本文剔除了2020—2021年样本后重新对列（2）进行回归，估计结果见列（6）。其次，考虑到城市商业银行和农村商业银行的巨大差异，本文剔除了农村商业银行样本数据后重新对列（2）进行回归，估计结果见列（7）。与表2结果相比，Dig的回归系数显著性并未发生改变，验证了表2估计结果的稳健性。

（三）异质性检验

1.数字化转型路径异质性

前文探讨了商业银行数字化对自身信用风险的影响，但尚缺乏对具体维度影响的深入研究。随着科技的迅猛发展，数字化转型已成为商业银行提升竞争力、适应市场变化的关键路径。已有研究探讨了商业银行数字化对其信用风险的影响，但关于具体维度的数字化如何影响信用风险的研究仍较为有限。本文进一步从战略数字化、业务数字化和管理数字化三个维度出发，深入分析数字化转型对商业银行信用风险的影响，并揭示其中的异质性。表5列（1）—列（3）的结果显示，数字化转型三个子维度平方项的系数均显著为负，说明从长期来看，随着银行数字化转型的深入，战略数字化、业务数字化和管理数字化转型均有助于降低商业银行信用风险，假说1在长期条件下得到验证。业务数字化的系数显著为正，而战略数字化、管理数字化的系数未通过显著性检验。这说明从短期来看，业务数字化不利于降低商业银行信用风险，存在显著的倒U型特征，战略数字化、管理数字化的影响则不明显。这可能是因为，商业银行在推进业务数字化的过程中，需要投入大量的资金和技术资源来开发新的数字化产品，这在一定的时间内可能给银行带来较大的资金压力，进而加剧信用风险。然而，随着业务数字化的深入推进和转型的逐步成熟，这种不利影响将逐渐减弱，并最终实现信用风险的降低。相比之下，战略数字化和管理数字化主要通过优化银行的战略定位、提升内部管理效率和风险控制能力发挥作用，更多地涉及了长期战略规划和内部管理机制的变革，其效果需要较长时间才能显现。与战略数字化相比，管理数字化平方项的系数绝对值更大，说明管理数字化不仅是一场技术变革，更是一场深刻的管理变革，其在数字化转型中的作用尤为突出。从长期来看，管理架构的调整、数字技术人才的引进以及开放合作的金融科技生态，都对商业银行数字化转型发挥着重要的作用。

2.商业银行异质性

首先，不同股权性质的商业银行对数字化转型的重视程度不同，银行风险水平也存在较大差异，因此本文依据第一大股东的产权性质将样本银行划分为国有银行组和非国有银行组进行分组回归。由表5列（4）和列（5）可知，国有银行平方项的系数在1%水平下显著为负，非国有银行平方项的系数在10%的水平下显著为负，国有银行和非国有银行的数字化转型与信用风险均呈现倒U型关系。但国有银行倒U型关系的转折点更早到来，说明国有银行通过数字化转型更容易降低自身信用风险。这可能是因为，国有银行在数字化转型过程中，凭借其特殊产权性质，能够拥有更多的资源投入和风险管理技术支持，从而有效地降低信用风险。此外，国有银行更侧重于传统的存贷款业务，这些业务更容易通过数字化手段进行管理和控制，而非国有银行可能更偏向于发展高风险的创新业务和产品，数字化的影响更为复杂和不确定，“信用风险优化”效应出现得更晚。

其次，不同资产规模的商业银行对数字化转型的动机不尽相同，因此本文依据商业银行资产均值将样本数据划分为大规模组和中小规模组进行分组回归。由列（6）和列（7）可知，资产规模较大的商业银行，其数字化转型在长期对信用风险有显著的负向影响，这可能与大规模商业银行的资金、人才储备充裕有关。中小规模银行缺乏相应的技术资金支持数字化改造，或即使进行了数字化转型，也受制于贷款业务群体分散，难以形成规模经济，这使得中小规模银行运营成本激增，难以真正降低银行信用风险。

最后，不同风险水平的商业银行的资本管理结构、经营效率差异较大，银行数字化转型降低其信用风险的效果也存在异质性。本文借鉴项后军和高鹏飞（2023）的思路，采用面板分位数回归方法探究在不同信用风险水平下银行数字化转型产生的影响是否存在差异。相较于传统回归模型，面板分位数回归能更精准地捕捉解释变量对被解释变量在不同分位点上的影响，进而揭示其变化范围和条件分布形状的细致特征。本文选取了25%、50%、75%、90%这四个分位数点进行回归，结果如图1所示。随着分位数的增加，银行数字化转型二次项对信用风险的负向作用越发突出。75%分位数前，银行数字化转型对信用风险的负向影响比较缓和，其后随着银行风险水平的提高，数字化转型对缓解其信用风险的作用显著增强，说明数字化转型对风险水平较高银行的信用风险产生的边际效应更为强烈。这可能是因为，相较于风险水平较低的银行，风险水平较高的银行由于其经营状况相对不稳定，需要持有更多经济资本，故在利用数字技术优化风险管理方面具有更迫切的需求。

五、国际经验借鉴

（一）加大数字化转型的资源投入

商业银行的数字化转型有助于构建更为稳健的风险管理体系，从而降低信用风险。而实现这一过程的前提是，商业银行在技术投入、人才培养等方面进行相应的战略规划和资源配置。国际领先的商业银行均较早明确了数字化转型的目标和思路，并不断加大对数字化转型的资源投入。根据麦肯锡公司对国际银行业的调研结果，全球领先银行将税前利润的17%至20%用作研发经费布局颠覆性技术，以加速银行数字化转型。以摩根大通为例，集团2023年科技预算高达153亿美元，这些资金重点投向了数字银行、在线投顾、数字人技术、网络安全等领域的技术应用和产品开发，其中较大部分资金定向投资于云计算、人工智能等新兴金融科技领域。摩根大通还积极从顶级大学和头部科技公司聘请顶级资深技术专家，如聘请曾任谷歌云人工智能产品管理负责人的资深专家同时担任其银行的人工智能和机器学习服务、资产和财富管理人工智能技术两个重要部门的负责人。

（二）强化数字风控，优化业务流程

国外商业银行在数字风控方面的有益探索主要体现在利用先进的技术手段，如人工智能、大数据分析、区块链等，提高风险管理的效率和准确性。摩根大通是金融科技的积极采用者，其利用机器学习和人工智能技术来增强集团风控系统。通过分析大量的交易数据，摩根大通能够及时发现并预防欺诈行为，同时不断优化信用风险评估模型。美国银行通过使用高级分析和大数据技术，开发了更为精细化的风险评估工具。这些工具可以更好地预测市场动态和客户行为，从而帮助银行降低信用风险和市场风险。桑坦德银行利用区块链技术提高跨境交易的透明度和安全性，通过区块链，银行能够实时监控交易状态，减少欺诈风险，并提高反洗钱监控的效率。高盛开发了自己的风险管理平台，该平台集成了多种风险管理工具和模型。利用这些工具和模型，高盛能够对市场风险、信用风险和操作风险进行全面的分析和管理。巴克莱银行通过部署智能风控系统，利用机器学习算法分析客户行为和交易模式，从而提高风险识别的准确性，该系统能够实时监测异常交易，对潜在的风险事件作出快速响应。德意志银行运用大数据分析优化其信贷审批流程，通过分析客户的财务状况和历史信用记录，银行能够更准确地评估借款人的信用风险，并作出更加合理的信贷决策。数字银行（如N26）能够提供全面便捷的数字银行服务，通过自动化贷款审批流程，减少了人工干预，从而降低了操作风险和信用风险。

（三）推进银行开放和平台化发展

在有效控制风险的前提下，国际银行通过开放支付及账户体系、各类APP、金融科技开发和服务能力等，以金融科技赋能生态圈内的合作伙伴和客户。与此同时，商业银行通过开放银行业务，也获得了更多的数据及流量入口，为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提供了强有力的外在支撑。例如，苏格兰皇家银行等通过开放API接口，可以与第三方金融科技公司合作，共享数据和服务，创建更加透明和高效的金融服务生态，从而降低信用风险。未来，领先的银行必将是具有强大的金融科技平台和广泛的资源生态网络，能够完美嵌入并集成金融科技的全球超联通银行和卓越金融科技公司。

（四）探索监管创新

数字化转型涉及大量的创新行为，催生出新的金融风险点，因而设定合理边界、守住安全底线是数字化转型得以健康有序可持续发展的关键所在。各国为守住安全底线，纷纷加强监管创新。一方面，为“创新先行者”颁发新型牌照，例如新加坡金融管理局发放数字银行牌照。另一方面，积极推进银行开放政策落地。国际领先的商业银行通过不断完善自身风险管理制度，将数字化转型可能出现的风险纳入风险管理体系。汇丰银行建立数字创新项目的评估机制，针对数字化转型中的新技术和新应用构建新型风险管理体系。监管部门与金融机构建立良好的沟通机制有助于实现监管制度创新，如瑞士银行与新加坡金管局共同成立“设计思维及创新中心”，旨在推动电子身份认证、数据保护与大数据分析等领域的研究进展。

六、结论与政策启示

本文基于140家商业银行的样本数据，实证检验了数字化转型对商业银行信用风险的影响效应，并进一步梳理分析国际同业先进经验，得出如下结论与政策启示。第一，商业银行数字化转型与信用风险水平存在先升后降的倒U型关系，在短期会产生“信用风险加剧”效应，但随着转型的深入，数字化转型将通过银行盈利能力这一机制，产生明显的“信用风险优化”效应。第二，本文将数字化分解为战略数字化、业务数字化和管理数字化转型三个维度进行检验，结果表明：战略数字化、管理数字化转型对于商业银行信用风险的短期影响不明显，业务数字化转型的“信用风险加剧”效应在短期较为明显；从长期来看，战略数字化、管理数字化、业务数字化转型均会产生“信用风险优化”效应，而管理数字化转型的相关效应最为明显。第三，异质性检验还发现，相比于非国有银行，国有银行通过数字化转型更有效地降低了信用风险水平，且数字化转型对大规模商业银行“信用风险优化”效应也更为明显。

结合研究结论与国际先进经验，本文就数字化转型背景下如何加强商业银行信用风险管理，提出以下政策启示：第一，商业银行应继续加强顶层设计和统筹规划，科学制定数字化转型战略尤其是管理数字化转型战略，并将其纳入机构整体战略规划，确保风险管理与银行整体战略相匹配。第二，加大金融科技投入和人才培育。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。高度注重引进和培养金融、科技、数据复合型人才，特别是数据治理、架构设计、模型算法等专业领域的人才。第三，发挥有为政府作用。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，推动双方合作共赢，共同推进数字化转型。应对中小银行的风险状况予以重点关注，采取措施防范和化解数字化转型发展对中小银行可能产生的风险。妥善处理商业银行数字化转型中新兴业务发展与防范化解金融风险的关系，完善风险监管制度。

参考文献：

［1］顾海峰.银保协作下商业银行信用风险的传导模型及机理研究——基于风险有限免疫制度环境[J].金融经济学研究，2014，29（6）.

［2］桂荷发，邓茹莎.商业银行数字化转型提升了中小企业信贷可得性吗[J].江西财经大学学报，2024（1）.

［3］郭峰，庄旭东，王仁曾.银行数字化转型、外源性金融科技与信用风险治理——基于文本挖掘和机器学习的实证检验[J].证券市场导报，2023（4）.

［4］郭品，沈悦.互联网金融对商业银行风险承担的影响：理论解读与实证检验[J].财贸经济，2015（10）.

［5］蒋海，唐绅峰，吴文洋.数字化转型对商业银行风险承担的影响研究——理论逻辑与经验证据[J].国际金融研究，2023（1）.

［6］蒋海，吴文洋.创新影响了银行风险承担吗？——基于中国上市银行的实证检验[J].国际金融研究，2020（3）.

［7］蒋海，王炳霖，吴文洋.媒体报道、监管压力与银行风险承担［J］.南方金融，2023（6）.

［8］金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应[J].财经研究，2020，46（5）.

［9］李向红，陆岷峰.基于跨境电商场景下供应链金融中区块链技术应用研究[J].金融理论与实践，2023（6）.

［10］刘慧超，王书华.数字化转型对中小银行风险水平影响研究[J].江西财经大学学报，2023（4）.

［11］刘忠璐.互联网金融对商业银行风险承担的影响研究[J].财贸经济，2016（4）.

［12］陆岷峰.商业银行数字化转型风险类型、特征及治理体系[J].金融发展研究，2023（10）.

［13］罗煜，崔书言，旷纯.数字化与商业银行经营转型——基于传统业务结构变迁视角[J].国际金融研究，2022（5）.

［14］吕品，原毅军，韩俊.农村商业银行信用风险评价及经验研究[J].财经问题研究，2014（4）.

［15］穆红梅，郑开焰.商业银行数字化转型的国际经验与我国策略[J].亚太经济，2021（1）.

［16］彭俞超，马思超.非银行金融科技与上市公司借贷成本——竞争压力还是信息溢出？[J].金融研究，2022（12）.

［17］吴文洋，蒋海，唐绅峰.数字化转型、网络关联性与银行系统性风险[J].中国管理科学，2024，32（3）.

［18］项后军，高鹏飞.银行数字化转型能缓解流动性囤积吗[J].经济学动态，2023（8）.

［19］谢绚丽，王诗卉.中国商业银行数字化转型：测度、进程及影响[J].经济学（季刊），2022，22（6）.

［20］姚志刚，谭余夏，杨斌.银行收入多样化对银行绩效的影响效应——基于我国16家上市银行的实证检验[J].宏观经济研究，2016（9）.

［21］于诚，黄绮凡.跨国银行联系与对外直接投资——基于国际银团贷款的经验证据［J］.世界经济与政治论坛，2023（3）.

［22］翟胜宝，程妍婷，谢露.商业银行数字化转型与风险承担水平[J].北京工商大学学报（社会科学版），2023，38（2）.

［23］张国胜，杜鹏飞.数字化转型对我国企业技术创新的影响：增量还是提质？[J].经济管理，2022，44（6）.

［24］赵家琪，江弘毅，胡诗云，等.数字普惠金融下的小微信贷与风险——基于银行数字化转型的视角[J].经济学（季刊），2023，23（5）.

［25］王金明，王心培.跨境资本流动如何影响银行风险承担？[J].世界经济研究，2022（10）.

［26］王诗卉，谢绚丽.知而后行？管理层认知与银行数字化转型[J].金融评论，2021，13（6）.

［27］王永进，匡霞，邵文波.信息化、企业柔性与产能利用率[J].世界经济，2017，40（1）.

［28］BootA，HoffmannP，LaevenL，etal.Fintech：WhatsOld，WhatsNew？[J].JournalofFinancialStability，2021，53.

［29］DaiK.RiskofCreditAssessmentofChineseBankofCommerceBasedonKMWModelandItsEmpiricalResearch[C]//IOPConferenceSeries：MaterialsScienceandEngineering.IOPPublishing，2020，768.

［30］DasA，GhoshS.DeterminantsofCreditRiskinIndianStateOwnedBanks：AnEmpiricalInvestigation[R].MPRAPaper，2007，No.17301.

［31］DellAricciaG，MarquezR.InformationandBankCreditAllocation[J].JournalofFinancialEconomics，2004，72（1）.

［32］FeyenE，FrostJ，GambacortaL，etal.FintechandtheDigitalTransformationofFinancialServices：ImplicationsforMarketStructureandPublicPolicy[R].BISPapers，2021，No.117.

［33］LuJ，TongY.ResearchonCreditRiskofCommercialBanksBasedonMultipleLogisticModel[J].AcademicJournalofBusiness&Management，2021，3（6）.

［34］JakiM，MarinM.RelationshipBankingandInformationTechnology：TheRoleofArtificialIntelligenceandFintech[J].RiskManagement，2019，21.

［35］MendozaR，RiveraJ.TheEffectofCreditRiskandCapitalAdequacyontheProfitabilityofRuralBanksinthePhilippines[J].ScientificAnnalsofEconomicsandBusiness，2017，64（1）.

（责任编辑：李思慧）