數字金融、銀行風險承擔與經濟高質量發展

馬俊

摘? ?要：本文基于30個省市自治區2011—2020年面板數據，使用熵權TOPSIS法測度了中國經濟高質量發展水平，并建立PVAR模型探究了數字金融、銀行風險承擔與經濟高質量發展之間動態互動關系。研究結果表明：數字金融、銀行風險承擔與經濟高質量均具有自我強化的經濟慣性。從全國來看，數字金融會強化經濟高質量發展和銀行風險承擔，經濟高質量發展和銀行風險承擔會抑制數字金融發展，經濟高質量發展和銀行風險承擔之間互為負向影響。從區域層面來看，中部地區數字金融確實會較為明顯地助推經濟高質量發展，銀行風險承擔與經濟高質量發展亦有良好互動關系，西部地區數字金融與銀行風險承擔之間存在倒“U”型非線性影響作用。基于此，本文提出提振數字金融支持經濟高質量發展政策靶向性、完善數字金融頂層監管體系、強化商業銀行風控管理等對策建議。

關鍵詞：數字金融；銀行風險；經濟高質量發展；熵權TOPSIS法；PVAR模型

DOI：10.3969/j.issn.1003-9031.2023.01.002

中圖分類號：F120.3，F832.1? ? ? ?文獻標識碼：A? ? ?文章編號：1003－9031（2023）01－0018－20

一、引言

作為實體經濟的血脈，金融是經濟發展的重要支撐。然而，傳統金融發展時常發生“融資難融資貴”“融資渠道不暢”“融資信息不對稱”等問題，導致金融市場對經濟高質量發展“供血不足”。如今，隨著互聯網等現代信息技術加速發展并與傳統金融互相滲透，數字金融應運而生并通過便利化移動支付手段、推動利率市場化等方式突破了傳統金融受到的地理網點、營業時間、資金空間流動約束，有助于推動現代金融發展最新成果抵達“最后一公里”，惠及“長尾客戶”，為金融高效支持經濟高質量發展提供了新的思路。然而，數字金融會產生金融脫媒效應，利率市場化勢必縮減銀行存貸款利差，倒逼銀行提高風險資產配置，進而促進銀行風險承擔，這對經濟高質量發展形成了現實阻力和潛在風險。在此背景下，厘清數字金融、銀行風險承擔與經濟高質量發展三者之間動態互動關系，對于提升數字金融支持經濟高質量發展的政策靶向性具有重要理論和實踐價值。

數字經濟已逐漸滲透到各類生活場景中，準確評估數字金融、銀行風險承擔和經濟高質量發展三者間動態互動關系，有助于在數字金融發展中科學防控并及時消弭金融風險，確保策略持續性與安全性的經濟高質量發展。但當前鮮少有學者將銀行風險承擔納入到數字金融影響經濟高質量發展的研究框架內，并且大多基于靜態面板回歸模型分析數字金融可能對經濟高質量發展產生的影響作用，使得數字金融與經濟高質量發展之間動態互動關系研究留有明顯空白。對此，本文嘗試建立PVAR模型，利用格蘭杰因果檢驗、脈沖響應沖擊和方差分解等多種方法實證探究了數字金融、銀行風險承擔與經濟高質量發展之間的動態互動關系；基于中國30個省市自治區2011—2020的面板數據，劃分東、中、西三個區域，探討數字金融、銀行風險承擔與經濟高質量發展之間動態互動關系的區域異質性。

二、文獻綜述與理論分析

（一）經濟高質量發展相關研究

經濟高質量發展相關研究主要包括內涵界定、量化研究、影響研究三方面的內容。一是對于經濟學內涵觀點基本一致，即可以充分滿足人民日趨豐富多樣化真實需要的經濟發展方式、結構和動力狀態（金碚，2018），主要反映一國（或地區）在一定時期內因經濟發展使居民當期所享受的福利水平變化，以及未來福利水平可持續提升的能力。二是關于量化研究。部分文獻采用人均實際GDP（陳詩一和陳登科，2018）、全要素生產率（劉志彪和凌永輝，2020）等單一維度指標衡量經濟高質量發展。但有學者認為，經濟高質量發展應當包含多層次、多維度的內容。主要形成五個代表性評價體系：其一注重以創新驅動、資源配置高效為手段，以區域協調和生態文明為要求，實現經濟增長穩健、結構合理和成果惠民以及產品服務優質、市場機制完備、基礎設施完善等目標（魏敏和李書昊，2018）；其二涵蓋高質量供給與需求、發展效率、經濟運行、對外開放等方面內容（馬茹等，2019）；其三涵蓋產業結構、技術創新、包容性TFP、居民生活、生態環境等方面內容（趙濤等，2020）；其四涵蓋創新動力、協調一體、綠色持續、全面開放、共享惠民等內容（陳景華等，2020）；其五涵蓋經濟成果分配、人力資本及分布、經濟效率與穩定性、自然資源與環境、社會狀況等方面內容（楊耀武和張平，2021）。三是關于影響因素研究。主要有金融資源配置（楊偉中等，2020）、數字經濟（趙濤等，2020）、技術創新（徐曄和趙金鳳，2021）、環境規制（盧維學等，2022）、產業集聚（李濤等，2022）等因素。

（二）數字金融與經濟高質量發展

現有研究主要從關系結果和關系過程兩個層面出發，就數字金融對經濟高質量發展的影響效果和作用機制進行了理論探討和科學論證。理論研究方面，孟添和張恒龍（2022）肯定了數字金融具有的“激勵效應”，提出數字金融主要通過優化資源配置、促進產業結構轉型、助力共同富裕三條路徑有效促進區域經濟高質量發展。然而，實證研究方面存有較大爭議，主要持有三種不同觀點：一是線性相關論。滕磊和馬德功（2020）利用固定效應模型實證研究發現，數字金融能夠緩解企業融資約束進而助力經濟高質量發展；劉偉等（2021）利用中介效應模型實證探究發現，數字金融能夠通過促進區域創新水平和縮小城鄉收入差距兩條路徑推動經濟高質量發展。二是非線性相關論。賀健和張紅梅（2020）基于實證研究發現，數字普惠金融能夠以單門檻形式和區域異質性為特征正向影響經濟高質量發展；蔣長流和江成濤（2020）基于城市面板數據實證發現，數字金融可以通過激勵中小企業研發創新推動經濟高質量發展，但該作用具有網絡技術門檻。三是空間相關論。上官緒明和葛斌華（2021）經實證檢驗發現，數字金融確實可以較為明顯地推動經濟高質量發展且存在積極的空間溢出效應。曾燕萍等（2022）通過實證論證，數字金融的確可以較為明顯地助推區域經濟高質量發展，但其空間溢出效應只存在于東西部地區。

數字金融難以離開必要的社會物質條件支持。理論上，數字金融能夠通過促進傳統金融創新發展和提升金融服務效率，為經濟高質量發展輸送源源不斷的營養來源，反過來經濟高質量發展可以通過創造更多引致需求、合理優化產業結構、提供良好金融生態環境，成為數字金融不斷發展壯大的沃土。然而，現有文獻鮮少直接研究經濟高質量發展對數字金融的影響效果。部分學者圍繞經濟對金融發展的實際影響效果展開實證研究，得出不同結論。周德田和馮超彩（2020）基于耦合度與PVAR模型的實證結果發現，經濟高質量發展能夠助力科技金融發展壯大，部分學者對此持有異議。劉鑫等（2019）基于省際PVAR模型實證研究發現，經濟增長對融資耦合存在“抑制效應”；張忠俊等（2020）基于實證研究發現，經濟增長對金融發展存在明顯滯后的“拖累效應”。因此，數字金融是否與經濟高質量發展具有良性動態互動關系有待有一步驗證。

（三）數字金融與銀行風險承擔

數字金融對于商業銀行而言是把“雙刃劍”。數字金融助力商業銀行實現數字化轉型，促進商業銀行發展進步，但對其風險管理形成巨大挑戰。有關數字金融對銀行風險承擔存在的影響，研究結論分為三種：一是風險促進論。劉孟飛和王琦（2022）使用商業銀行非平衡面板數據實證發現，數字金融會提升銀行管理成本進而促進銀行風險承擔；顧海峰和高水文（2022）通過實證研究得出數字金融通過影響銀行收入結構促進了銀行風險承擔的結論。二是風險抑制論。國外研究發現，數字金融有助于改善金融服務供需雙方信息不對稱，可以有效避免傳統金融逆向選擇與道德風險（Demertzis et al，2018），提升其風險管理水平（Lorente＆Schmukler，2018）。國內研究方面，余靜文和吳濱陽（2021）利用代表性商業銀行面板數據實證檢驗發現，數字金融對銀行風險承擔具有抑制效應；孫志紅和琚望靜（2022）通過實證研究發現，數字金融對銀行主動與被動風險承擔均具有風險抑制效應。三是風險雙重作用論，即存在“期限結構”雙邊效應。羅航等（2020）基于實證研究發現，金融科技對風險擴散的影響并非簡單的促進或抑制，實際上金融科技一方面會因減少信息不對稱促進風險收斂，另一方面又會刺激金融體系脆弱性進而誘導風險擴散；劉偉等（2022）利用財務數據展開實證，發現數字金融會明顯促進銀行風險承擔，但銀行業競爭減弱能夠緩解數字金融對銀行風險承擔加重的影響。

顯然，當前研究的關注點主要集中于數字金融可能對銀行風險承擔產生的影響效果，而銀行風險承擔對數字金融的影響研究非常匱乏。現代商業銀行本質上以經營風險為生，風險管理得當，則獲得預期回報；反之，銀行利潤受損，嚴重時資本縮水，極端情況下可能會破產倒閉。實際上，銀行風險承擔一方面可能會破壞金融生態環境進而抑制數字金融，另一方面可能會因其風險管理對于數字技術的需要而推動數字金融發展。包蕓夕等（2019）基于中國14家商業銀行2014—2017年的季度數據建立PVAR模型，經實證研究發現，提升銀行風險管理能力從長期來看可以支持互聯網金融P2P小額信貸業務拓展。可以發現，現有文獻極少討論銀行風險承擔對數字金融的反向影響， 更是很少探討其短期和長期動態影響效果。

（四）銀行風險承擔與經濟高質量發展的相關研究

現有研究鮮少涉足銀行風險承擔與經濟高質量發展的關系研究。關于金融風險對經濟發展的影響研究。耿德林等（2019）基于空間杜賓模型（SDM）的隨機效應模型實證發現，適度的銀行體系風險和證券市場風險有助于區域經濟發展。然而，金融風險表現形式較為多樣，往往具有復雜性、突發性、危害性以及傳染性等特征，致使經濟高質量發展面臨潛在風險隱患。對此，鄭智勇等（2022）通過理論分析和實證研究杠桿波動、系統性金融風險與經濟高質量發展關系發現，“防風險”能夠確保安全、有效地助推經濟高質量發展。此外，趙修儀和鄧創（2022）借助TVP-VAR和LSTVAR等模型實證研究發現，金融風險上升和下降對經濟周期存在非對稱性影響，即金融風險增加對經濟周期的負向影響要弱于金融風險減少對經濟周期的正向影響。

關于經濟發展對銀行風險承擔的影響研究。鄒克和蔡曉春（2017）利用省級面板數據實證分析不良貸款率的影響因素，發現較高的經濟發展水平有助于降低不良貸款率。實際上，銀行風險易受經濟金融環境和市場結構制約等區域內部因素的影響，以及國家宏觀政策、經濟金融異常變化等區域外部因素的影響。經濟高質量發展這一經濟目標決定了國家層面使用何種貨幣政策和財政政策，李佳等（2021）基于銀行業數據實證研究發現，經濟政策不確定性會在一定程度上提高銀行風險承擔；李力和黃新飛（2022）基于DSGE模型的實證發現，貨幣政策不確定性同樣會促進銀行風險承擔。

三、研究設計

（一）模型設定

結合文獻綜述和理論分析，考慮到內生性與序列相關問題，建立面板向量自回歸（PVAR）模型實證研究數字金融、銀行風險承擔與經濟高質量發展之間的動態互動關系。PVAR模型能夠允許所有變量內生并真實反映多變量間的動態關系。對此，本文擬建立如下PVAR模型：

（1）

其中，Yit是一個1×3階的列向量，包含數字金融（DF）、銀行風險承擔（RISK）與經濟高質量發展（EDQ）三個內生變量；α0為截距項；j為滯后階數；αj為滯后j階的參數矩陣；βi、γi分別為個體、時間固定效應；εit為隨機誤差項。

（二）變量選擇

數字金融（DF）。選取北京大學2021年4月發布的2011—2020年省級數字普惠金融指數作為數字金融的代理變量。鑒于不同變量具有量綱差異，對該指標數據進行縮小100倍處理。該指數的編制遵循了綜合性、均衡性、可比性、連續性和可行性等原則，融合數字技術與普惠金融，可以較好地反映各省市自治區數字金融發展水平。

銀行風險承擔（RISK）。銀行風險承擔的度量指標主要有預期違約概率、不良貸款率、Z值、風險加權資產占比等。鑒于中國利率市場化機制尚未成熟完備，資產證券化等新業務尚待完善， 目前國內銀行以存貸款業務為主業，信用風險仍需其重點關注和大力防控。因此，本文選擇商業銀行不良貸款率作為銀行風險承擔的代理變量。

經濟高質量發展（EDQ）。經濟高質量發展應當秉持創新驅動、對內協調、綠色持續、對外開放、全民共享原則的新發展理念。具體而言，創新發展主要包括創新資源投入、產出以及創新活動所依賴的外部環境；協調發展涵蓋區域、城鄉和產業協調；綠色發展涵蓋事前生態環保、事中節能減排和事后環境治理；開放發展應同時滿足經常賬戶下進出口貿易及服務業開放和資本賬戶下投融資開放；共享發展要求人人平等享有醫療、教育、衛生、社保、交通等公共服務，同時保障物價、就業、購房、壽命、城鎮化等方面的生活質量。因此，本文基于新發展理念，選取13個二級指標、32個基礎指標建立能夠客觀反映真實水平的經濟高質量發展評價指標體系（見表1）。

本文借鑒干春暉等（2011）的研究成果，運用泰爾指數度量產業結構合理化水平（TL）：

（2）

其中，Yi、Li分別代表各省市自治區第i個產業的GDP值（億元）與就業人數（萬人）。

本文進一步采用熵權TOPSIS法測度30個省市自治區經濟高質量發展水平，其核心思想是先對各評價指標標準化處理，然后借助熵權法賦予其不同的權重值，最后利用TOPSIS法對各省市自治區經濟高質量發展水平進行量化排序。具體實施步驟如下：

第一步，運用極差法對各評價指標Xij作標準化處理。

對于正向指標Xij：

（3）

對于負向指標Xij：

（4）

其中，i、j分別表示省市自治區、評價指標，Xij和Yij分別表示初始的和標準化后的評價指標值，max（Xij）和min（Xij）分別代表Xij的最大值與最小值。

第二步，計算各評價指標Yij的信息熵Ej：

（5）

第三步，計算各評價指標Yij的權重Wj：

（6）

第四步，構建加權矩陣R：

（7）

第五步，根據加權矩陣R確定最優方案Q 和最劣方案Q ：

（8）

（9）

其中 ，Ci越大代表省份i的經濟高質量發展水平越優，反之則代表省份i的經濟高質量發展水平越差。

（三）數據來源與描述性統計

基于數據可獲取性的考慮，選用中國30個省市自治區2011—2020年面板數據（不含西藏自治區和港澳臺地區），將其劃分為東中西三大經濟區域。相關數據主要來源于Wind數據庫、國家統計局和北京大學數字金融研究中心。相關變量具有的描述性統計特征詳見表2。

從表2可以看出，東部地區經濟高質量發展最優且優于全國均值，中西部地區經濟高質量發展程度相近；從數字金融發展水平來看，從東到西逐漸遞減，其中東部地區數字金融國內領先，顯著強于中西部地區，不難看出經濟高質量發展和數字金融均呈現出明顯的區域性差異和不平衡性；從銀行風險承擔來看，西部地區承受更多銀行風險，中部、東部地區依次減小，其中西部地區的銀行風險承擔明顯高于全國均值，而東部與中部地區銀行風險承擔低于全國均值。

四、實證分析

（一）面板數據平穩性檢驗

為規避實證過程中發生“偽回歸”，本文借助單位根檢驗以判定面板數據是否平穩，同時使用同質單位根LLC檢驗和異質單位根IPS檢驗。如表3所示，數字金融（DF）、銀行風險承擔（RISK）與經濟高質量發展（EDQ）均為1階單整，即上述三個變量均通過單位根檢驗。

（二）模型滯后階數選擇

借助AIC、BIC、HQIC三種信息準則可以進一步判定模型最優滯后階數。如表4所示，三種準則下全國和東部、中部地區的最優滯后階數均為1階，而西部地區最優滯后階數均顯示為4階，表明西部地區存在顯著的政策時滯效應。

（三）模型GMM參數估計

為防止出現參數估計錯誤，本文使用“Helmert procedure”對數據進行轉變，進一步消除樣本存在的時間、固定效應。接下來利用廣義矩陣估計（GMM）方法進行參數估計，分析變量間長期互動關系（見表5）。

以數字金融（DF）為被解釋變量。當期數字金融易受歷史水平影響，全國、東部和中部地區均在1％的水平下高度正相關，表明在這些區域上一期數字金融發展水平會對當期數字金融產生正向影響；在西部地區滯后一期、二期數字金融均在1％的水平下對當期數字金融產生正向影響，而滯后四期數字金融在1％水平下高度負相關，表明在西部地區滯后期數字金融發展對當期數字金融的影響呈現出先促進后抑制的倒“U”型非線性特征。此外，當期數字金融易受滯后一期銀行風險承擔的影響，全國滯后一期銀行風險承擔會在10％水平下對當期數字金融產生負向影響，西部地區滯后二期銀行風險承擔會在1％的水平下對當期數字金融產生正向影響，滯后四期時該影響顯著為負，而在東中部地區該影響效果不明顯。綜合來看，在全國、東部、中部地區經濟高質量發展會對數字金融產生顯著抑制效應，而在西部地區銀行風險承擔會對數字金融產生先促進后抑制的影響效果。

以銀行風險承擔（RISK）為被解釋變量。在東部、中部地區滯后一期銀行風險承擔分別在10％、1％的水平下對當期銀行風險承擔產生顯著正向影響，在西部地區滯后一期銀行風險承擔對當期銀行風險承擔產生顯著正向影響，但滯后二期銀行風險承擔影響顯著為負。此外，東部、中部地區滯后一期數字金融分別在10％、1％的水平下對當期銀行風險承擔產生正向影響，但在西部地區滯后二期數字金融對當前銀行風險承擔產生正向影響，滯后四期數字金融對當期銀行風險承擔具有一定抑制效應。此外，滯后一期經濟高質量發展對當期銀行風險承擔的影響存在顯著的區域性差異，其中東部、中部地區滯后一期經濟高質量發展分別在10％、1％的水平下對當期銀行風險承擔產生負向影響，但在西部地區滯后一期經濟高質量發展會對當期銀行風險承擔產生顯著正向影響。

以經濟高質量發展（EDQ）為被解釋變量。當期經濟高質量發展易受滯后一期經濟高質量發展影響，全國、東部和中部地區均在1％的水平下高度正相關，而在西部地區該正向作用產生于滯后兩期的經濟高質量發展，表明相對于其他區域而言，西部地區政策發揮實質效應較為遲緩。此外，在全國層面滯后一期數字金融在10％的水平下對經濟高質量發展產生正向影響，但在分區域樣本中該影響不顯著；中部地區滯后一期銀行風險承擔在10％的水平下對經濟高質量發展產生正向影響，但在其他區域該影響并不顯著。

（四）脈沖響應分析

考慮到GMM估計無法明確各變量間的因果邏輯關系、動態傳導機制和沖擊變量的貢獻度，本文將依次通過脈沖響應分析、方差分解和格蘭杰因果檢驗進一步考量數字金融、銀行風險承擔與經濟高質量發展之間的動態互動關系。具體借助蒙特卡洛法，通過200次模擬得到全國及東部、中部、西部地區滯后六期的脈沖響應圖（見圖1—圖4）。脈沖響應圖反映的是模型內任意一個內生變量面對外來擾動時對其他內生變量產生的沖擊效應，用于分析各變量間長期動態交互關系，并預測分析變量間時滯關系和影響程度。圖中，橫坐標、縱坐標分別代表響應期數和面對沖擊的響應程度，中間實線為脈沖響應趨勢，虛線為蒙特卡洛模擬得到的95％置信區間上下限。

第一，數字金融、銀行風險承擔與經濟高質量發展面對自身一個標準差的沖擊時，均表現出顯著的正向影響，表明數字金融、銀行風險承擔與經濟高質量均有相對的經濟慣性。

第二，當經濟高質量發展在受到數字金融的沖擊后，在全國、東部地區均呈現負向影響減弱態勢并在第2期開始影響轉正；在中部地區呈現出持續、穩健的促進作用；在西部地區正向影響較弱，直至第4至第5期影響才有所增強，表明數字金融只有發展到一定階段時才會促進全國、東部地區經濟高質量發展，中部地區數字金融在考察期內一直持續激勵其經濟高質量發展，而在西部地區該“激勵效應”發生遲緩。反之，當數字金融在受到來自經濟高質量發展的沖擊后，在全國、東部、中部地區當期影響為0，隨后呈現出先縮小后擴大的“U”型負向影響，經濟高質量發展在考察期內較為微弱地抑制著西部地區數字金融，表明經濟高質量發展會對全國、東部、中部、西部地區數字金融發展產生“拖累效應”，但該影響在西部地區較弱。

第三，當銀行風險承擔在受到經濟高質量發展的沖擊后，在全國、東部、中部、西部地區當期影響為0，隨后在全國呈現出先擴大后縮小的倒“U”型正向影響，在東部、中部地區呈現出先縮小后擴大的“U”型負向影響，在西部地區0-2期呈現出正向影響而在第2期后呈現負向影響，說明經濟高質量發展會在全國范圍內提高銀行風險承擔，但會在一定程度上抑制東部、中部地區的銀行風險承擔，當發展到一定階段時才有助于降低西部地區銀行風險承擔。同理，當經濟高質量發展面對銀行風險承擔一個標準差的沖擊時，在全國、中部、西部地區當期影響為0，而在中部地區當期影響顯著為負，隨后在全國呈現出先縮小后擴大的“U”型負向影響，在東部地區呈現出逐漸縮小的負向影響，在中部地區呈現出先擴大后縮小的倒“U”型正向影響，而在西部地區影響微弱直至第3期后呈現出負向影響，表明銀行風險承擔會抑制全國、東部地區經濟高質量發展，但會較為顯著地激勵中部地區數字金融發展，并在短期內助推西部地區經濟高質量發展。

第四，當數字金融在受到來自銀行風險承擔的沖擊后，在全國、東部地區呈現出較為顯著的先縮小后擴大“U”型負向影響，在中西部地區影響較弱，其中中部地區在第2期后影響由正轉負，而在西部地區持續呈現出較為微弱的負向效應，表明銀行風險承擔會抑制全國、東部、西部地區數字金融發展，但對中部地區短期效應為正、長期效應為負。當銀行風險承擔面對數字金融一個標準差的沖擊時，在全國、中部地區當期影響為負，但在第2期后該影響為正，在東部地區影響顯著為正，在西部地區影響為正但效果微弱，表明數字金融會顯著降低全國、中部地區、西部銀行風險承擔，但會提高東部地區銀行風險承擔。

（五）方差分解

為進一步評估模型擾動項對內生變量沖擊的影響程度及各變量變化過程中不同結構沖擊的貢獻力度，本文對PVAR模型進行方差分解（見表6），取第10期、第20期和第30期來分析數字金融、銀行風險承擔與經濟高質量發展三者間相互影響的貢獻程度。

就全國而言，數字金融的方差貢獻率主要來自自身，在第30期時仍為52.57％，其次為經濟高質量發展（3.24％）與銀行風險承擔（44.19％）。東部、中部、西部地區數字金融方差分解結果與全國相似，在滯后30期時，其數字金融方差貢獻率受自身影響分別為67.34％、57.37％和54.77％。

全國銀行風險承擔的方差貢獻率絕大部分來自自身，在滯后30期時高達91.51％，數字金融與經濟高質量發展的方差貢獻率分別為0.37％與8.12％。東部、中部地區方差分解結果與全國類似，銀行風險承擔對自身的方差貢獻率分別為71.63％與64.05％。西部地區銀行風險承擔的方差率主要來自自身與數字金融，方差貢獻率分別為56.46％與40.74％。

就其他變量對經濟高質量發展的方差貢獻率來看，全國、東部、中部地區經濟高質量發展的方差貢獻率主要來自自身，在滯后30期時分別高達95.04％、92.33％與64.98，其次是來自銀行風險承擔，其方差貢獻率分別為2.88％、5.40％與26.27％。與之不同的是，西部地區經濟高質量發展的方差貢獻率主要來自數字金融（61.21％），其次是銀行風險承擔（35.31％），最后是自身（3.49％）。

（六）格蘭杰因果關系檢驗及穩健性說明

為深入分析數字金融、銀行風險承擔與經濟高質量發展三個變量間的短期動態影響和時間因果關系，對這三個變量開展格蘭杰因果檢驗。（見表7）。

從全國來看，銀行風險承擔與經濟高質量發展在1％的水平下顯著互為格蘭杰原因，而數字金融是銀行風險承擔、經濟高質量的單向格蘭杰原因。可以發現，銀行風險承擔與經濟高質量發展交互影響較為密切，而數字金融單向影響銀行風險承擔和經濟高質量發展。

從東部地區來看，數字金融與銀行風險承擔、經濟高質量發展均在5％的水平下顯著互為格蘭杰原因，而經濟高質量發展是銀行風險承擔的單向格蘭杰原因。這說明，數字金融與銀行風險承擔、經濟高質量發展互動效應非常明顯，但經濟高質量發展僅能單向地影響到銀行風險承擔。

從中部地區來看，數字金融在1％的水平下是銀行風險承擔、經濟高質量發展的單向格蘭杰原因，銀行風險承擔亦是經濟高質量發展的單向格蘭杰原因。可以發現，數字金融、銀行風險承擔、經濟高質量發展三者間互動效應不顯著，作用效果均以單向影響為主。

從西部地區來看，銀行風險承擔與經濟高質量發展在5％的水平下顯著互為格蘭杰原因，數字金融與銀行風險承擔、經濟高質量發展均為單向格蘭杰原因。說明西部地區銀行風險承擔與經濟高質量發展交互效應顯著，而數字金融僅單向影響銀行風險承擔、經濟高質量發展。

綜上所述，在不同的區域劃分中，數字金融均是銀行風險承擔和經濟高質量發展的格蘭杰原因。銀行風險承擔確實為東部地區數字金融的格蘭杰原因，也是全國、中部、西部地區經濟高質量發展的格蘭杰原因。經濟高質量發展確實為東部地區數字金融的格蘭杰原因，亦是全國、東部、西部地區銀行風險承擔的格蘭杰原因。

面板向量自回歸模型的結果可能會受變量順序影響，從而影響實證分析結果。因此，本文主要通過更換變量順序的方式進行了穩健性檢驗，具體對上述三個模型中每兩個變量分別進行了脈沖響應分析，發現得出的結果與上述主要結論差別甚微，因此可以認為上述PVAR模型穩健可靠，結果具有較強的解釋力。

五、結論與建議

（一）結論

基于文獻回顧和理論分析，本文進一步以中國30個省市自治區2011—2020年的面板數據作為研究樣本構建PVAR模型，進而對全國及東部、中部和西部地區數字金融、銀行風險承擔與經濟高質量發展之間的動態互動關系進行了實證研究。

從全國層面來看，短期內，數字金融確實會助推經濟高質量發展和提高銀行風險承擔，經濟高質量發展和銀行風險承擔互為負向影響；長期內，數字金融、銀行風險承擔仍然會分別助推和抑制經濟高質量發展，銀行風險承擔、經濟高質量發展均會抑制數字金融發展，而數字金融、經濟高質量發展則均會在一定程度上提高銀行風險承擔。

從區域異質性層面來看，短期內，銀行風險承擔會抑制東部地區數字金融發展，但確實會助推中部地區經濟高質量發展。長期內，數字金融會較為顯著地助推中部經濟高質量發展，銀行風險承擔分別對東部、中部經濟高質量發展產生抑制、促進作用，經濟高質量發展會顯著抑制東部、中部地區銀行風險承擔，但數字金融會對西部地區銀行風險承擔產生先促進后抑制的倒“U”型影響效果，銀行風險承擔亦對西部數字金融產生相同影響效果。

（二）建議

第一，提振數字金融支持經濟高質量發展政策靶向性，推動兩者良性互動。從實證結果來看，經濟高質量發展可能對數字金融存在“拖累效應”，同時在西部地區數字金融對經濟高質量發展“激勵效應”有限。基于此，一是持續擴大數字金融的“激勵效應”。增強數字金融所需依附的互聯網絡基礎設施建設和開發大數據等金融場景化技術應用軟件，突破金融服務在地理、空間上的硬性軟性約束，釋放數字金融對經濟發展質量的助推作用。二是提升經濟高質量發展的反向“支持效應”。注重區域、產業、城鄉間對內協調，支持數字金融的國際、省際開放合作，發展綠色數字金融，為數字金融提供適宜的自然和社會生態環境。三是加強區域間經濟金融合作。樹牢全國“一盤棋”意識，堅持“普惠”與“精準”原則，促進經濟、金融資源跨地區調配，東部地區應充分展示示范效應，中西部地區應發揚學習效應。

第二，在堅持有效管控銀行風險的基礎上，完善數字金融頂層監管體系。一是強化數字金融穿透式協調監管。出臺相關法律法規和制定行業準入標準，建立完善的風險披露機制，探索針對數字金融的“監管沙盒”機制。二是構建數字金融數據信息共享機制。持續強化金融科技投資、研發與運用，利用前、中、后端數據資源打破“數據孤島”，搭建數字金融征信體系，制定科學的信用數據標準，完善征信市場管理制度，促進征信行業健康規范發展。三是在“防風險”前提下推動數字金融創新。商業銀行金融機構應當積極運用數字金融變革實現數字化轉型，逐漸升級完善業務系統，研發多樣化、個性化金融服務產品，同時有效預防金融創新中產生的潛在風險，大力提升數字金融風險管理水平，確保數字金融發展安全、有序、高效。

第三，經濟高質量發展過程中，注重商業銀行風控管理，確保金融“供血”系統運行健康和經濟持續穩健增長。一是正確理解經濟高質量發展包含的深意。以創新發展為動力來源，堅持對內協調和對外開放來保持內外部平衡，確保發展方式綠色環保可持續，以共享發展為最終追求目標。二是注重商業銀行風控管理，尤其對于西部地區和中小商業銀行而言。商業銀行一方面應積極利用科技賦能優化風險管理流程以提高自身對信貸風險的管控，擴大數據源緩解信息不對稱，從而確保自身風險管理有效；另一方面應當注重數據信息保護，確保客戶隱私數據和財產安全性。三是將商業銀行風險管理納入到防范化解重大風險攻堅戰的考量中。中國金融市場體系中商業銀行舉足輕重，市場參與主體和相關部門應當把握契機、形成聯動，切實維護金融安全，堅決杜絕系統性風險，推進銀行業金融體系穩健運行，確保經濟高質量發展。

（責任編輯：孟潔）

參考文獻：

[1]金碚.關于“高質量發展”的經濟學研究[J].中國工業經濟，2018（4）：5-18.

[2]陳詩一，陳登科.霧霾污染、政府治理與經濟高質量發展[J].經濟研究，2018，53（2）：20-34.

[3]劉志彪，凌永輝.結構轉換、全要素生產率與高質量發展[J].管理世界，2020，36（7）：15-29.

[4]魏敏，李書昊.新時代中國經濟高質量發展水平的測度研究[J].數量經濟技術經濟研究，2018，35（11）：3-20.

[5]馬茹，羅暉，王宏偉，王鐵成.中國區域經濟高質量發展評價指標體系及測度研究[J].中國軟科學，2019（7）：60-67.

[6]趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[7]陳景華，陳姚，陳敏敏.中國經濟高質量發展水平、區域差異及分布動態演進[J].數量經濟技術經濟研究，2020，37（12）：108-126.

[8]楊耀武，張平.中國經濟高質量發展的邏輯、測度與治理[J].經濟研究，2021，56（1）：26-42.

[9]楊偉中，余劍，李康.金融資源配置、技術進步與經濟高質量發展[J].金融研究，2020（12）：75-94.

[10]徐曄，趙金鳳.中國創新要素配置與經濟高質量耦合發展的測度[J].數量經濟技術經濟研究，2021，38（10）：46-64.

[11]盧維學，吳和成，王勵文.環境規制政策協同對經濟高質量發展影響的異質性[J].中國人口·資源與環境，2022，32（3）：62-71.

[12]李濤，薛領，李國平.產業集聚空間格局演變及其對經濟高質量發展的影響——基于中國278個城市數據的實證分析[J].地理研究，2022，41（4）：1092-1106.

[13]孟添，張恒龍.數字金融與區域經濟高質量發展[J].社會科學輯刊，2022（1）：139-148.

[14]滕磊，馬德功.數字金融能夠促進高質量發展嗎？[J].統計研究，2020，37（11）：80-92.

[15]劉偉，戴冰清，劉衛鎮.數字金融能驅動經濟高質量發展嗎？——基于2011～2017年中國省級面板數據的實證分析[J].經濟社會體制比較，2021（6）：63-75.

[16]賀健，張紅梅.數字普惠金融對經濟高質量發展的地區差異影響研究——基于系統GMM及門檻效應的檢驗[J].金融理論與實踐，2020（7）：26-32.

[17]蔣長流，江成濤.數字普惠金融能否促進地區經濟高質量發展？——基于258個城市的經驗證據[J].湖南科技大學學報（社會科學版），2020，23（3）：75-84.

[18]上官緒明，葛斌華.數字金融、環境規制與經濟高質量發展[J].現代財經（天津財經大學學報），2021，41（10）：84-98.

[19]曾燕萍，蔣楚鈺，崔智斌.數字金融對經濟高質量發展的影響——基于空間杜賓模型的研究[J].技術經濟，2022，41（4）：94-106.

[20]周德田，馮超彩.科技金融與經濟高質量發展的耦合互動關系——基于耦合度與PVAR模型的實證分析[J].技術經濟，2020，39（5）：107-115+141.

[21]劉鑫，郭凱，咸笑然.融資耦合、融資規模與經濟增長——基于省際PVAR模型的實證研究[J].宏觀經濟研究，2019（10）：5-15+87.

[22]張忠俊，郭曉旭，張喜玲，李賓.金融集聚、人力資本結構演進與經濟高質量發展[J].統計與決策，2021，37（2）：10-14.

[23]劉孟飛，王琦.數字金融對商業銀行風險承擔的影響機制研究[J].會計與經濟研究，2022，36（1）：86-104.

[24]顧海峰，高水文.數字金融是否影響商業銀行風險承擔——基于中國170家商業銀行的證據[J].財經科學，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]余靜文，吳濱陽.數字金融與商業銀行風險承擔——基于中國商業銀行的實證研究[J].產經評論，2021，12（4）：108-128.

[28]孫志紅，琚望靜.數字金融的結構性效應：風險抑制還是推助？[J].產業經濟研究，2022（2）：128-142.

[29]羅航，顏大為，王蕊.金融科技對系統性金融風險擴散的影響機制研究[J].西南金融，2020（6）：87-96.

[30]劉偉，劉衛鎮，戴冰清，呂婷.數字金融、貸款結構與商業銀行風險承擔——基于181家商業銀行2011—2020年財務數據的分析[J].武漢金融，2022（7）：29-40.

[31]包蕓夕，郭敏，宋奇慶.基于PVAR的互聯網金融與商業銀行相互影響研究[J].商業經濟研究，2019（10）：156-160.

[32]耿德林，周慧，江忠偉，王威.金融風險對區域經濟發展的空間溢出效應研究——基于三大經濟區域的空間面板分析[J].征信，2019，37（6）：65-72.

[33]鄭智勇，何劍，張夢婷.杠桿波動、系統性金融風險與經濟高質量發展[J].金融論壇，2022，27（3）：23-32.

[34]趙修儀，鄧創.中國系統性金融風險及其對金融周期、經濟周期的影響動態[J].經濟評論，2022（4）：114-129.

[35]鄒克，蔡曉春.不良貸款率影響因素的實證分析——基于2005—2014年省級面板數據[J].金融理論與實踐，2017（2）：10-18.

[36]李佳，閔悅，王曉.經濟政策不確定性、資產證券化與銀行風險承擔[J].金融經濟學研究，2021，36（1）：77-93.

[37]李力，黃新飛.貨幣政策不確定性與商業銀行風險承擔研究[J].系統工程理論與實踐，2022，42（4）：847-864.

[38]干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究，2011，46（5）：4-16+31.