數字普惠金融發展影響農村商業銀行涉農貸款的投放嗎?
——基于278家農村商業銀行的實證研究

張正平， 李 冉

(北京工商大學 a.經濟學院；b.數字金融研究中心，北京 100048)

一、引言

2003年6月27日，國務院頒布《深化農村信用社改革試點方案》，提出了農村信用社要更好地服務“三農”，并實現商業可持續的雙重目標(周月書和彭媛媛，2017)[1]。農村商業銀行(簡稱“農商行”)是農村信用社股份制改革的產物，盡管改革后的農商行具備商業化性質，但其服務“三農”的使命并沒有改變(肖斌卿等，2017)[2]。作為服務“三農”的主力軍，農商行一直深耕農村市場，致力于打通“農村金融服務最后一公里”。涉農貸款的增加不僅有利于“三農”問題的解決，還有利于鄉村振興戰略的實施(周梅和趙德泉，2019)[3]。然而，現實中農商行正面臨著日益嚴峻的競爭壓力：一方面，隨著利率市場化的推進，農商行之間的價格競爭日趨激烈，加劇了其信貸風險(田雅群等，2019)[4]；另一方面，隨著數字經濟的發展，以螞蟻金服為代表的數字普惠金融在農村市場迅速擴張，與農商行搶奪存款或客戶，進而惡化其財務績效和社會績效(張正平和江千舟，2018；張正平和黃帆帆，2021)[5-6]。由此可見，有必要研究數字普惠金融對農商行信貸行為的影響，從而為農商行的應對提供實證依據。

2016年9月，G20杭州峰會首次提出了“數字普惠金融”概念(1)需要說明的是，在本文中，筆者將交叉使用互聯網金融、數字普惠金融、金融科技等概念，不做嚴格區分；本文中的數字普惠金融側重的是以螞蟻金服等為代表新興數字金融機構及其業務，從而考察來自農商行外部的數字普惠金融發展帶來的影響。，指出數字普惠金融是將一系列新興技術運用到金融領域的行動，強調運用數字技術切實解決普惠金融“最后一公里”問題(蔣慶正等，2019)[7]。互聯網和大數據技術能夠為商業銀行收集更多維度的客戶信息，人工智能、云計算和區塊鏈等技術則能夠集中化處理海量的數據，描繪出完整的客戶畫像，從而有效緩解最關鍵的信息不對稱問題(Lapavitsas & Dos Santos，2008)[8]。面對金融科技發展所帶來的挑戰，傳統商業銀行開始主動運用數字技術開啟轉型之路，在這個過程中，金融科技主要起到了提升獲取客戶能力、降低運營成本、強化風險控制以及優化客戶服務的作用(張德茂和蔣亮，2018)[9]。

在互聯網背景下，數字技術的不斷發展打破了商業銀行在貸款市場上的壟斷地位(董玉峰等，2016)[10]，對商業銀行的貸款業務來說，這是一種商業模式的變革與轉型(楊明婉和張樂柱，2019)[11]。靳玉紅(2018)[12]研究發現，互聯網金融的出現激發了互聯網金融機構與傳統金融機構、傳統互聯網企業之間的激烈競爭。互聯網金融機構依托其優勢，將成為農村金融機構強有力的競爭對手，而兩者之間的競爭也將蠶食農村金融機構的市場份額，使得農村金融機構的財務績效下降(劉榮茂和劉永，2011)[13]。一方面，互聯網金融的服務范圍逐漸滲透到商業銀行的業務領域，這對銀行的貸款業務等造成了強烈沖擊；另一方面，商業銀行也在積極運用金融科技，將銀行的營銷、信貸等傳統業務與物聯網、大數據等技術相結合，不斷提升自身的綜合競爭力(唐也然，2021)[14]。那么，面對數字普惠金融發展帶來的競爭，農商行會降低涉農貸款投放力度嗎?這種影響是否存在異質性?這正是本文所要研究的問題。

為此，利用2014—2019年278家農商行的非平衡面板數據，實證考察了數字普惠金融對農商行涉農貸款投放的影響及其異質性。本文的邊際貢獻為：(1)以農商行為研究對象，實證檢驗了數字普惠金融對農商行涉農貸款投放的影響，進一步豐富了相關文獻，從數字普惠金融的角度拓寬了銀行貸款投向問題的研究范圍；(2)從異質性影響入手，揭示了不同的流動性水平、盈利性水平以及不同區域、不同市場化水平下數字普惠金融發展對農商行涉農貸款投放的差異化影響，深化了對二者關系的理解，為農商行的應對提供了實證依據。

本文后續安排如下：第二部分為理論分析與假說提出；第三部分為研究設計；第四部分為實證結果及其分析；第五部分為內生性及穩健性檢驗；第六部分為主要結論及其政策啟示。

二、理論分析與假說提出

(一)數字普惠金融發展與農商行涉農貸款投放

首先，相對于傳統金融，數字金融具有低成本、寬覆蓋等優勢，能夠將其業務擴展到偏遠農村地區，有效緩解融資難問題(呂雁琴和趙斌，2020)[15]，數字技術的發展雖然為銀行獲取、處理及應用信用數據提供了技術支持，但應運而生的互聯網金融平臺也進一步強化了貸款市場的競爭水平(孫旭然等，2020)[16]。正如Beck(2001)[17]所指出的，隨著數字金融的快速發展，互聯網金融平臺進入市場，威脅著傳統銀行的發展，對銀行經營方面產生的負向影響大于正向影響。其次，由于數字普惠金融的提出時間較晚、發展時間相對較短，現階段農商行借助數字技術完善內部管理及操作流程的效果尚未達到最優，特別是對于中小銀行來說，雖然有其固有的經營市場，但相比于互聯網金融平臺較為明顯的競爭優勢，部分客戶的流失問題已毋庸置疑，從而不利于其涉農貸款的發放。最后，面對數字普惠金融快速發展帶來的沖擊，農商行出于對經營業績的擔心會產生“恐懼心理”，更易于向富裕客戶提供服務，以提升經營績效(張正平和江千舟，2018)[5]，由此出現了明顯的“目標偏移”現象。紀淼和李宏瑾(2019)[18]認為，部分中小銀行過分追求做大做強，在跨區經營的同時更傾向于為大型優質客戶服務，偏離了服務本地、小微和“三農”的業務本源，造成支農性不足。由此，本文提出了第一個假設：

H1：數字普惠金融發展降低了農商行涉農貸款的投放水平。

根據北京大學發布的“數字普惠金融指數”評價體系，該指數由覆蓋廣度、使用深度、數字化程度三個二級指標構成，為剖析數字普惠金融的結構效應提供了依據(汪亞楠等，2020)[19]。其中，覆蓋廣度降低了客戶的準入門檻，在一定程度上滿足了低收入群體的需求(馮永琦和蔡嘉慧，2021)[20]，覆蓋廣度的增加體現為電子賬戶覆蓋率的提升，直接展現了互聯網金融平臺對傳統農商行的競爭作用；使用深度涵蓋支付業務、貨幣基金業務和信貸業務等，內涵是數字金融服務的有效需求(錢海章等，2020)[21]，使用深度的發展實現了商業模式的創新與融合，降低了低收入群體的準入門檻及服務成本(翟華云和劉易斯，2021)[22]，同時進一步提高了金融服務的觸達性，通過場景帶入提供有針對性的金融服務，滿足了低收入群體的金融需求(李牧辰等，2020)[23]；數字化程度是互聯網技術的集中體現，強調的是金融服務的便利性和低成本，這些優勢使得數字普惠金融能夠以便利的方式和較低的成本惠及原本得不到正規金融服務的人(黃凱南和郝祥如，2021)[24]。總之，數字普惠金融覆蓋廣度、使用深度和數字化程度的提升均不利于農商行涉農貸款的投放。由此，本文提出第二個假設：

H2：數字普惠金融的覆蓋廣度、使用深度和數字化程度均降低了農商行涉農貸款的投放水平。

(二)數字普惠金融發展對農商行涉農貸款投放的異質性影響

隨著中國經濟步入新常態，銀行業呈現出多元化的發展趨勢，銀行間的經營差異也日趨明顯，盈利能力、流動性和資本狀況等方面的差異可能使其在面臨環境變化時采取不同的信貸行為(孫焱林等，2017)[25]。因此，有必要關注數字普惠金融的發展對農商行涉農貸款投放可能存在的異質性影響。

1.微觀特征的異質性影響。盈利性是商業銀行經營活動的最終目標，這要求商業銀行經營管理者合理配置資源，盡可能追求利潤最大化，實現效率最優化(周月書和彭媛媛，2017)[1]。首先，銀行盈利的大小會直接影響到銀行的信譽和實力，盈利能力較強的銀行也更易于發放貸款(彭俞超和彭丹丹，2018)[26]。其次，銀行是經營風險的特殊企業，其實力越強，抵御風險的能力越強，管理體系、風險控制也更為成熟化(陳紅和葛恒楠，2017)[27]。因此，相較于盈利性較弱的銀行，盈利性較強的銀行更不容易受到數字普惠金融發展的沖擊，使得其涉農貸款投放的幅度較小。由此，本文提出了第三個假設：

H3：數字普惠金融發展對盈利水平較低的農商行涉農貸款投放的抑制作用更強。

從銀行的流動性來看，農商行的流動性緊張狀況會對涉農貸款業務產生較大影響(彭江波等，2011)[28]。首先，農商行主要服務于“三農”，發放的涉農貸款一般具有期限較短、流動性較高、借款人集中的特點，同時存貸比遠低于其他商業銀行，而獨立核算的法人機構必須有充足的“頭寸”來滿足資金流動性的需求，所以當農商行面臨資金流動性短缺的情況時只能壓縮貸款規模(龔欣陽等，2021)[29]，從而使得涉農貸款的投放水平減少。其次，較高的流動性有助于銀行化解破產風險，尤其在市場約束機制下，流動性充裕的銀行能夠更迅速更便捷地獲得融資，順利進行信貸調整(陳紅和葛恒楠，2017)[27]。最后，通過提升流動性水平，有助于優化金融機構的資產負債表，提升其放貸意愿和能力，促進更多金融資源流向經濟發展的重點領域、薄弱環節及重大項目(張智富，2020)[30]。由此，本文提出第四個假設：

H4：數字普惠金融發展對流動性水平較低的農商行涉農貸款投放的抑制作用更強。

2.宏觀因素的異質性影響。區域差異對數字普惠金融與農商行涉農貸款投放之間的影響也不容忽視。謝朝華等(2020)[31]證實了我國銀行的貸款業務存在區域性差異，在未來幾年應實施差異化和結構化的政策來改善各地區銀行貸款資源的配置。1935年胡煥庸教授提出了著名的“胡煥庸線”，是指以黑龍江瑗琿和云南騰沖為兩點確定的一條直線，該直線將中國領土劃分為東南和西北兩側區域，東南區域是人口密集區，西北區域的人口則相對稀少(賈康，2015)[32]。“胡煥庸線”不僅是人口分布和中國經濟地理的分界線，還是社會發展水平的分界線(程廣帥和胡錦銹，2021)[33]，這也意味著人口和資源的不均衡分布塑造了農商行涉農貸款的投放水平具有區域差異性的基本事實，“胡煥庸線”東側區域獲得的傳統金融資源遠遠多于西側區域，也更易于抵御數字普惠金融所帶來的沖擊。正如劉春志和范堯熔(2015)[34]所指出的，東部經濟發達，銀行實力較強，抵御風險的能力也普遍強于中西部地區。北京大學數字金融研究中心課題組(2019)[35]以“胡煥庸線”為東西部地區的劃分標準，發現數字普惠金融指數第一、第二梯隊基本處于“胡煥庸線”以東，而西部區域仍然有較大的發展空間。尤其在一些貧困地區，互聯網的覆蓋率比較低，農業基礎數據資源體系建設還不完善，數據獲取能力也較弱，使得互聯網金融平臺的沖擊體現得更為明顯。由此，本文提出第五個假設：

H5：在“胡煥庸線”西側地區，數字普惠金融發展對農商行涉農貸款投放的抑制作用更強。

與中西部地區相比，東部地區市場化程度較高，監督機制較為完善(何婧和何廣文，2015)[36]，較高的市場化程度表明政府對市場的干預較少，同時還意味著良好的信用和法治環境(喬海曙和黃薦軒，2019)[37]，這都有利于銀行發展和運用金融科技，從而有利于涉農貸款的投放。而當市場化程度較低時，政府干預程度較強，政府官員出于晉升的目的(何楊和王蔚，2015)[38]，會干預銀行的信貸資金配置，從而扭曲銀行信貸行為導致信貸資金低效率(郭敏和段藝璇，2019)[39]。馬樹才等(2020)[40]研究發現，政府干預行為會擠出企業信貸融資，特別是市場化程度較低的西部地區，從而不利于涉農貸款的投放。同時，東部地區的銀行具有更強的綜合競爭力，更有實力抵御數字普惠金融的沖擊。由此，本文提出第六個假設：

H6：在市場化程度較低的地區，數字普惠金融發展對農商行涉農貸款投放的抑制作用更強。

三、研究設計

(一)數據來源

本文選取2014—2019年我國278家農商行為研究樣本，其財務數據來源于各農商行官網以及中國債券信息網披露的年報等，覆蓋了全國除港澳臺、云南、甘肅、廣西、西藏以外的27個省份。數字普惠金融發展的數據來自北京大學數字金融研究中心發布的“數字普惠金融指數(2011—2020)”。最終，本文實現了縣域層面數字普惠金融指數與農商行微觀數據的匹配。此外，人均國內生產總值(GDP)和第一產業產值占比數據來自EPS全球統計數據/分析平臺。

(二)變量選取

1.被解釋變量。文中被解釋變量為涉農貸款投放水平。參考王凌飛等(2021)[41]的做法，使用涉農貸款占比即年末涉農貸款余額與貸款總額之比作為代理變量。通常，涉農貸款占比越大，說明農商行對涉農貸款的投放越多，支農力度越大。

2.解釋變量。數字普惠金融發展水平是本文的核心解釋變量。北京大學數字金融研究中心發布的“數字普惠金融指數”遵循了綜合性、均衡性、可比性、連續性和可行性等編制原則，可用于衡量中國的數字普惠金融發展水平(李牧辰等，2020)[23]。參考周利等(2020)[42]的做法，將數字普惠金融指數作為代理變量，并考察不同維度的數字普惠金融發展的影響。

3.控制變量。參考相關文獻，從宏觀和微觀兩個層面控制了其他影響農商行貸款投向的因素。微觀控制變量包括農商行的規模、盈利能力、運營效率、年齡、負債水平、公司治理等(蔣海和占林生，2020；許坤和蘇揚，2016)[43-44]。宏觀控制變量包括農商行所在地區的經濟發展水平、產業結構等(孫旭然等，2020；張正平等，2020)[16][45]。

綜上，本文變量定義如表1所示：

表1 變量定義

(三)模型構建

為驗證數字普惠金融發展水平與農商行涉農貸款投放之間的影響關系，參考邱晗等(2018)[46]的做法，構建如下多元回歸模型：

ALi，t=β0+β1DIFIi，t+β2Xi，t+εi，t

其中，ALi，t表示涉農貸款投放水平，DIFIi，t表示數字普惠金融發展水平，Xi，t表示其他微觀控制變量和宏觀控制變量，εi，t表示殘差項。

四、實證結果及其分析

(一)描述性統計分析

表2報告了樣本各變量的描述性統計結果。由表2可知，核心解釋變量數字普惠金融發展水平的最小值為12.26，最大值為321.65，標準差為58.96，說明各樣本農商行所在地區的數字普惠金融發展水平存在較大差異；被解釋變量涉農貸款占比的最大值為100%，最小值為0.88%，標準差為29.35%，可見農商行間的涉農貸款投放水平差異不容忽視；流動比率、獨立董事比率、資產利潤率、總資產利潤率、資本充足率、資產負債率、不良貸款率、人均GDP、第一產業產值占比等宏微觀控制變量均有較大變動，符合計量回歸的需要。

表2 變量的描述性統計結果

(二)基準回歸結果及分析

由于本文樣本數據的年份數量小于個體數量，屬于非平衡的短面板，因此單位根檢驗可省略。經過相關性檢驗，大部分變量之間的相關系數小于0.5，因此不存在嚴重的多重共線性問題。在估計方法的選擇方面，GMM估計方法包括差分GMM和系統GMM兩種形式，但差分GMM無法估計不隨時間變化的變量的系數，而且還容易出現弱工具變量問題，而系統GMM可以克服這一局限，提高估計的效率(賀健和張紅梅，2020)[47]。因此，采用系統GMM方法進行估計。

1.數字普惠金融發展對農商行涉農貸款投放的影響。表3報告了數字普惠金融發展影響農商行涉農貸款投放的回歸結果。在回歸(1)中，數字普惠金融發展水平對涉農貸款投放水平的邊際影響為-0.0327，在5%的水平上顯著為負，說明數字普惠金融的發展降低了農商行對涉農貸款的投放。具體來說，數字普惠金融發展水平每上升一個單位，涉農貸款投放水平下降3.27%。其可能的原因是，隨著數字普惠金融的快速發展，應運而生的互聯網金融平臺憑借低成本、方便快捷等優勢必將會搶奪農商行的部分客戶，從而不利于農商行涉農貸款的發放。上述結論與張正平和黃帆帆(2020)[6]的研究一致。由此，假說1得到了支持。

表3 不同維度的數字普惠金融發展對農商行貸款投放的影響

其中，大部分控制變量的符號都符合預期，但值得注意的是，資產利潤率對農商行涉農貸款的投放有著顯著的負向影響，可能的原因是，為了實現更大的利潤，農商行更易于向富裕客戶提供服務，可能存在明顯的“目標偏移”現象，導致涉農貸款的投放減少(周月書和彭媛媛，2017)[1]。另外，當銀行面臨較嚴重的流動性風險時，可能會陷入財務危機，從而對貸款增長產生抑制作用(楊柳等，2020)[48]。雖然常數項在統計上不顯著，但按照伍德里奇的觀點，仍將其保留在模型中(孫建等，2009)[49]。

具體來看，不同維度的數字普惠金融對農商行涉農貸款投放存在明顯的差異，數字普惠金融的覆蓋廣度和使用深度對農商行涉農貸款投放具有顯著的抑制作用，但是數字化程度的抑制作用不顯著。可能的原因是：第一，覆蓋廣度的拓展，體現為互聯網支付賬號及其綁定的銀行賬戶數的增加，表明基于互聯網的新金融模式打破了原有的限制，為更多的人提供了良好的金融環境，有利于貧困人群獲得網絡貸款，從而擠占了農商行的市場份額；第二，使用深度涵蓋了信貸、保險、征信等服務，使用深度的增加對農商行的各類業務都產生了強大的競爭壓力，從而不利于其涉農貸款的投放；第三，我國金融正處于向數字金融轉型的過渡期，總體來看，當前的數字化程度仍有待提高，因此數字化程度的抑制作用尚不顯著(汪亞楠等，2020)[19]。由此，假說2得到了部分支持。

2.數字普惠金融發展對農商行涉農貸款投放的異質性影響。參考沈悅和馬續濤(2017)[50]的思路，引入數字普惠金融發展水平與相關因素的交乘項進行回歸，以考察數字普惠金融發展對農商行涉農貸款投放的異質性影響。

(1)農商行微觀特征的異質性影響。由交互項系數結果可知，數字普惠金融發展水平×資產利潤率和數字普惠金融發展水平×流動比率的估計系數顯著為正，這說明，數字普惠金融的發展對盈利水平高、流動性好的農商行的涉農貸款投放的負面影響要弱一些。

可能的原因是，一方面，雖然互聯網金融企業的金融科技發展會在一定程度上加大信貸業務的競爭性，迫使銀行提升自身的風險承擔水平，但因實力較強的銀行自身的金融科技發展帶來的風控水平提高吸納了這部分影響，因此受到來自互聯網金融企業的沖擊較小(唐也然，2021)[14]；另一方面，流動性強的銀行“無損失變現”能力更突出，可以迅速將流動性資產變現以支持業務發展(索彥峰和陳繼明，2008)[51]，提升其放貸意愿和能力，同時較高的流動性有助于銀行化解破產風險，更易于應對互聯網金融平臺的競爭壓力，使得涉農貸款投放的降低幅度減小。由此，假說3和假說4得到了支持。

(2)農商行宏觀因素的異質性影響。由交互項系數結果可知，數字普惠金融發展水平×地區虛擬變量和數字普惠金融發展水平×市場化程度的估計系數顯著為正，這說明，數字普惠金融發展對“胡煥庸線”東側區域、市場化程度較高地區的農商行涉農貸款投放的負面影響要弱一些。可能的原因是，這類銀行大多實力較強，擁有較為完備的基礎設施和風控系統，更易于抵御互聯網金融平臺的沖擊。由此，假說5和假說6得到了支持。

表4 數字普惠金融發展對農商行涉農貸款投放的異質性影響

五、內生性及穩健性檢驗

(一)內生性檢驗

參考肖遠飛和張柯揚(2020)[52]的做法，筆者在回歸模型中引入數字普惠金融發展水平(DIFI)的一階滯后項作為工具變量，并運用廣義矩估計方法進行估計，以緩解可能存在的內生性問題。如表5所示，AR(2)檢驗的P值大于0.1，表明設定的回歸模型中擾動項的差分不存在二階序列相關，同時Sargan檢驗的P值大于0.1，這表明本文將滯后一階的數字普惠金融發展水平作為工具變量是有效的。

表5 內生性檢驗

(二)穩健性檢驗

1.替換被解釋變量。為檢驗數字普惠金融的發展對農商行涉農貸款投放影響的穩健性，參考張正平等(2020)[45]的做法，使用涉農貸款增速和涉農貸款對數值作為涉農貸款占比的代理變量，表6中回歸(10)和回歸(11)的估計結果顯示，數字普惠金融發展水平的系數均在1%的水平上顯著為負，與基準回歸的結果一致，即數字普惠金融的發展顯著降低了農商行對涉農貸款的投放。

2.改變樣本量。為保證結果的穩健性，參考楊竹清和張超林(2021)[53]的做法，剔除北京、天津、上海和重慶等直轄市的銀行樣本重新進行回歸，如表6中回歸(12)所示，數字普惠金融發展水平顯著為負，與前文的結論一致，說明基準回歸結果具有穩健性。

表6 穩健性檢驗：替換被解釋變量和改變樣本量

六、主要結論及其政策啟示

基于2014—2019年我國278家農商行的非平衡面板數據，本文實證檢驗了數字普惠金融發展對農商行涉農貸款投放的影響，并從農商行的微觀特征(盈利水平及流動性水平)和宏觀因素(不同市場化水平和“胡煥庸線”下的不同區域)兩個層面進行了異質性影響分析，主要的研究結論有：(1)數字普惠金融發展顯著降低了農商業行涉農貸款的投放水平。具體地，數字普惠金融發展水平每上升1個單位，農商行涉農貸款投放水平下降3.27%。(2)數字普惠金融覆蓋廣度和使用深度對農商行涉農貸款投放具有顯著的抑制作用。具體地，數字普惠金融覆蓋廣度發展水平每上升1個單位，農商行涉農貸款投放水平下降4.56%，而服務深度發展水平每上升1個單位，農商行涉農貸款投放水平下降2.62%，但數字化程度的抑制作用并不顯著。(3)數字普惠金融發展對盈利水平較低、流動性水平較低、“胡煥庸線”西側區域以及市場化程度較低地區的農商行涉農貸款投放的抑制作用更強。具體地，數字普惠金融發展水平與農商行資產利潤率、流動比率交互項系數分別為顯著的正值0.1033和0.0006，數字普惠金融發展水平與地區虛擬變量、市場化程度交互項系數分別為顯著的正值0.1499和0.0155。

上述結論對我國農村數字普惠金融的發展和農商行進一步的改革創新具有重要的啟示：

首先，強化“三農”定位，加大數字金融的發展力度。一方面，農商行應從強化服務“三農”意識入手，加強培訓和學習，全面深入貫徹落實中共十九大精神和習近平總書記關于服務支持“三農”發展的系列講話精神，真正從思想上提升對“三農”服務的重視程度。另一方面，農商行應深刻理解數字技術的特點優勢，加大數字金融發展力度，利用數字技術促進經營結構優化和業務流程簡化，加快推進業務線上化、產品數字化，有效降低運營成本，提高經營效率。此外，農商行應加強與金融科技公司的合作，引入先進的管理理念和數字技術，推動場景建設，打造線上線下整合的全渠道發展模式，促進農村數字普惠金融的發展。

其次，加強盈利性和流動性管理，增強抗風險能力。第一，農商行應穩步推進多元化經營，在實現服務“三農”目標的同時，密切關注風險的來源結構，積極探索風險控制下的盈利性和流動性管理能力，提升風險控制力。第二，農商行應加強產品創新，加強對客戶的挖掘和拓展，推出更有針對性的產品，深度挖掘產品的盈利增長點，以客戶體驗為基礎進行經營，積極鞏固現有客戶。第三，農商行應強化資產負債綜合管理，實現盈利性和流動性的平衡，完善相關內控制度，切實提升農商行的風控水平。

最后，因地制宜實施差異化發展戰略，提升機構綜合競爭力。一方面，農商行應合理利用當地數字金融資源，尤其是對“胡煥庸線”西側區域的農商行來說，要結合自身實際情況和地域特點實施差異化發展戰略，滿足不同類型客戶的金融需求，提高自身的綜合競爭力。另一方面，農商行應立足地方經濟發展情況尤其是市場化程度的不同，推出有針對性的金融服務和信貸產品，堅決落實差異化發展戰略，借助數字技術推進業務、流程、產品的轉型與重塑，積極應對來自外部的市場競爭。