省域數字經濟發展與城市商業銀行零售業務轉型

［摘?要］?文章立足于城商行零售業務轉型的實踐，從信貸資產配置的視角出發，研究了省域數字經濟發展給城商行“資產端”零售貸款占比帶來的影響。研究發現：數字經濟可以助推城商行零售業務轉型，對其“資產端”的零售貸款占比具有顯著的促進作用。一方面，這種促進作用主要集中于個人經營性貸款、個人消費貸款和個人汽車貸款，對于個人住房按揭貸款則表現出抑制作用；另一方面，對于資產規模較大和東部地區的城商行，數字經濟的促進作用更為明顯。機制檢驗表明：數字經濟可以“賦能”城商行的風險管理和成本管理，進而促進其“資產端”零售貸款占比的提升。調節效應檢驗表明：通過“改善民生質量、提升司法質量、改善城市人居環境質量”優化零售貸款業務的發展環境，可以強化數字經濟對城商行“資產端”零售貸款占比的促進作用。此外，數字經濟背景下，城商行“資產端”的“零售貸款占比提升”是以“對公貸款占比降低”為代價的，即存在“替代效應”，且在經濟下行期尤為明顯。

［關鍵詞］數字經濟；零售貸款；風險管理；成本管理

［中圖分類號］??F49;F832.2［文獻標識碼］??A［文章編號］?1673-0461（2024）01-0084-13

一、引言

長期以來，我國商業銀行大都高度依賴于傳統的對公貸款業務，一面追求資產規模的快速擴張，一面將大量資金投入到對公貸款當中［1-2］。在市場利率受到嚴格管制的歷史時期，這種資產配置方式一度為我國商業銀行創造了豐厚的收益。近年來，隨著經營環境巨變和市場競爭加劇，對公貸款業務逐漸步入“微利”時代，高度依賴于對公貸款業務的傳統經營模式已然不利于商業銀行的長期發展。零售貸款業務則因其資本消耗低、風險分散性好、盈利穩定而受到各銀行的青睞與重視，零售業務轉型也成為商業銀行實現高質量發展的戰略性選擇［3］。

城商行深耕地方經濟、踐行普惠金融、廣泛服務民眾，是我國多層次金融服務體系的重要組成部分。相比國有大型銀行和股份制銀行，城商行起步較晚、實力較弱，在零售業務轉型的推進方面處于落后位置。目前，為實現高質量發展，有關零售業務轉型的安排頻繁出現于城商行的戰略規劃中，部分城商行甚至賦予了零售業務轉型“最高戰略優先級”。

貸款業務始終是銀行的主體業務，因而我國銀行業普遍將零售業務轉型的重點放在拓展零售貸款方面［3］。城商行的零售貸款業務受到諸多因素的制約，“渠道匱乏、流程復雜”使得個人客戶難以便捷、高效、低成本地獲取零售貸款，“風控難度大、授信成本高”也使得城商行難以找到拓展零售貸款業務的“著力點”，這都對城商行的零售業務轉型形成了阻礙。所幸的是，數字經濟可以“賦能”傳統行業轉型升級，為傳統行業帶來“新業態、新模式和新發展”。那么，數字經濟能否“賦能”城商行，助力城商行推進零售業務轉型？本文主要針對這一問題展開研究。

我國數字經濟近十年來取得了舉世矚目的發展成就，總體規模連續多年位居世界第二①，數字經濟已經成為驅動我國經濟高質量發展的重要動力。“科學技術是第一生產力”，人類社會的多次科技革命為經濟社會帶來了跨越式發展。目前，大力發展數字經濟已成為“把握新一輪科技革命和產業變革新機遇的戰略選擇”②。與此同時，數字經濟也成為當下的研究熱點。現有研究顯示，數字經濟主要從以下方面對銀行發揮積極影響：首先，數字經濟可以推動“開放銀行”建設。謝治春等（2018）［4］認為，數字技術的應用有助于推動“開放生態型銀行”的建設。當然，我國雖然在數字經濟推動下形成了獨具特色的“開放銀行”模式，但仍存在配套制度與規范標準欠缺的問題［5］。其次，數字經濟可以降低銀行風險。一方面，數字經濟主體與銀行之間的聯系更為密切，銀行可以獲取更多內部信息，從而降低銀企之間的信息不對稱［6］；另一方面，數字技術在金融領域的廣泛應用，為緩解信貸市場的信息不對稱提供了解決方案［7］。基于此，孫光林和蔣偉（2021）［8］利用我國省級數據驗證了數字經濟對銀行業不良貸款的抑制作用。再次，數字經濟有助于改善銀行的經營管理。包括但不限于：提高銀行的競爭力、適應力［9］；提高銀行滿足客戶多樣化需求的能力［10］；降低交易成本、提高交易效率［11］；促進管理創新和產品創新［12］；改善銀行治理［13］。最后，數字經濟可以促進銀行業務發展。主要包括無抵押的信用貸款業務和信用卡業務［14-15］。

總的來看，現有文獻仍有一些缺憾之處：第一，關于“數字經濟賦能銀行轉型”的研究仍然較少，圍繞城商行這一“弱勢群體”的研究更是稀少，且大都集中于理論描述和定性分析，鮮有定量研究的文獻。第二，省域數字經濟的發展水平與當地經濟社會的發展情況有關，由此產生的“自選擇偏誤”會對實證結果造成干擾，但現有文獻大都沒有考慮這一問題。鑒于此，本文立足于城商行零售業務轉型的實踐，從信貸資產配置的視角出發，實證檢驗了數字經濟發展對城商行“資產端”零售貸款占比的影響。

本文理論層面的貢獻在于：第一，立足于城商行零售業務轉型的實踐，提供了數字經濟發展提升城商行“資產端”零售貸款占比的經驗證據，并從不同類型零售貸款和不同特征銀行的角度探究了其異質性影響。第二，數字經濟發展水平的高低通常與一省份的經濟社會發展情況有關，潛在的“自選擇偏誤”會對實證結果造成干擾，本文采用處理效應模型排除了“自選擇偏誤”的干擾［16］，加強了研究結果的可靠性。第三，通過機制檢驗考察了數字經濟發展對于城商行風險管理和成本管理的“賦能”作用。本文實踐層面的貢獻在于：一方面，將“民生質量、司法質量、城市人居環境質量”引入了研究框架，為地方政府助力城商行實現高質量發展提供了有益啟發。另一方面，揭示了城商行在數字經濟背景下“減少對公貸款配置、增加零售貸款配置”的“資產轉換”行為，從宏觀審慎的角度來看，這值得監管部門提高“警惕”。

二、影響機制與研究假設

（一）數字經濟發展如何助推城商行零售業務轉型

目前，我國銀行業零售業務轉型的重點任務依然是拓展零售貸款業務［3］。城商行在拓展零售貸款業務的過程中，面臨著“渠道劣勢”和“信息劣勢”，因而其零售貸款業務一度發展緩慢，嚴重阻礙了其零售業務轉型的推進。數字經濟的發展“改變了客戶獲取金融服務的習慣、促進了社會層面的數據積累與共享”，有助于城商行扭轉競爭中面臨的劣勢：

一方面，城商行面臨著“渠道劣勢”。優質客戶始終是銀行信貸市場上的稀缺資源，零售業務轉型實際上就是圍繞優質個人客戶的競爭。物理網點是商業銀行開展業務的重要渠道，國有大型銀行和股份制銀行實力雄厚、網點眾多，因而成為個人客戶獲取零售貸款的首選。與之相對的，城商行的物理網點較少，因而在開展零售貸款業務時面臨“渠道劣勢”：一是網點較少限制了城商行的銷售渠道，這導致客戶的觸達率低，城商行開展零售貸款業務時大都處于“被動獲客”和“隨機獲客”的狀態；二是網點較少也限制了客戶的獲貸渠道，這導致客戶的轉化率低，很多個人客戶有貸款需求卻無法便捷地獲取貸款，因而其貸款需求無法有效傳導至城商行。

數字經濟的發展促進了“渠道的公平化”。具體的，作為“以信息化和互聯網的發展為支撐，通過數字化技術提供產品或服務的新型經濟形態”［17］，數字經濟的發展改變了個人客戶獲取金融服務的習慣：物理網點的重要性日漸降低，手機App開始成為聯結銀行與客戶的重要紐帶。目前，絕大部分的零售貸款都可以通過線上進行辦理，銀行可以通過手機App精準地推銷其產品，客戶也可以通過手機App便捷地獲取其所需的服務。受此影響，城商行開展零售貸款業務不再受到“物理網點較少”的制約，這在渠道層面給予了城商行更加公平的競爭機會，可以緩解其在線下競爭中面臨的不利局面，因而有助于其推進零售業務轉型。

另一方面，城商行面臨著“信息劣勢”。國有大型銀行和股份制銀行擁有基數龐大的客群，在客戶信息的積累量上處于優勢地位，面對個人客戶提出的貸款申請，通過分析自有的歷史信息，就可以快速實現“受理→評估→審批→放款”等一系列流程。與之相對的，城商行原有的客群基數較小，在客戶信息的積累量上處于劣勢，面對個人客戶提出的貸款申請，城商行往往還需要通過其他外部渠道進行信用信息采集，或者要求客戶進一步提交補充材料，因而其業務流程需要耗費較長時間。對于個人客戶而言，這種“內容繁瑣、過程冗長”的貸款申請流程，會極大地消耗其精力和耐心，甚至可能導致個人客戶放棄向城商行申貸。

數字經濟的發展促進了“信息的公平化”。具體的，數字經濟推動了“數據多共享、多跑路，客戶少等待、少跑腿”，征信系統持續得到完善、“信用信息”逐步互聯互通、銀企之間實現數據交互。社會層面信用信息的歸集與共享，為城商行創造了更為公平的信息環境。城商行借此實現了信息收集的便利化和智能化，大幅提升了零售貸款的評估、審批、放款效率，部分零售貸款甚至實現了實時審批放款，極大地改善了個人客戶的申貸體驗。

數字經濟發展帶來的“渠道公平化”和“信息公平化”，助力城商行扭轉了競爭劣勢。個人客戶可以便捷、高效、低成本地從城商行獲取零售貸款，這對城商行的零售業務轉型產生了助推作用，有助于提升其“資產端”的零售貸款占比。鑒于此，本文提出如下假設：

H1：數字經濟發展可以助推城商行的零售業務轉型，對城商行“資產端”的零售貸款占比具有顯著的促進作用。

（二）數字經濟“賦能”城商行的風險管理和成本管理

實際上，零售貸款業務的風控難度大、授信成本高，也曾長期困擾我國城商行［3］。具體來看：首先是風控難度大。由于個人信息難以獲取，零售貸款業務面臨的信息不對稱要比對公貸款業務嚴重得多［18］。然后是授信成本高。研究顯示，無論是大額信貸業務還是小額信貸業務，其固定成本幾乎相差無幾［19］。因此，同樣規模的信貸資金，相較于“集中授信給企業客戶（對公貸款）”，“分散授信給個人客戶（零售貸款）”產生的授信成本要高得多。

數字經濟為城商行的風險管理和成本管理提供了“著力點”：首先為風險管理工作解決了信息來源。隨著數字經濟的發展，個人征信體系不斷完善③、金融機構與互聯網公司之間實現“信用信息”互聯互通、銀行與經銷商之間實現數據交互，城商行可以借此有效降低零售貸款業務的信息不對稱。其次為成本管理工作提供了技術路徑。零售貸款業務因其單筆額度小、同質化程度高的特點，很容易通過數字技術實現“業務線上化、流程自動化和決策智能化”，城商行可以借此大幅壓縮零售貸款業務的授信成本。綜上，數字經濟除了直接促進零售貸款業務發展，還可以“賦能”風險管理和成本管理，使之更好地發揮業務驅動作用，提升城商行“資產端”的零售貸款占比。鑒于此，本文提出如下假設：

H2：數字經濟可以“賦能”城商行的風險管理和成本管理，在數字經濟發展水平較高的情況下，風險管理和成本管理可以更好地促進其零售貸款占比提升。

（三）數字經濟的“賦能”效應與零售貸款業務的發展環境

在適宜的外部環境下，零售貸款業務的市場需求會更加旺盛，數字經濟助推城商行零售業務轉型也可以取得“事半功倍”的效果。進一步地，本文圍繞零售貸款業務的發展環境展開分析：

其一，是民生質量。滿足居民在“消費領域”的資金需求，是零售貸款業務的主要功能。隨著民生質量不斷改善，人民群眾對美好生活的需求日益增長，超前消費的理念也逐漸被廣泛接受，這為零售貸款業務的發展提供了廣闊空間。因此，零售貸款業務的發展與民生質量聯系緊密。相應地，本文從改善民生的角度分析如下：首先，是增收入。隨著城鄉居民收入水平的改善，其消費積極性也會上升；相反地，如果收入水平保持在低位，則居民會缺乏消費的積極性。其次，是穩就業。失業率高企會導致居民的消費意愿低迷，整個社會的消費需求會被嚴重抑制。再次，是提升城鎮基本醫療保險參保率。在沒有基本醫療保險提供保障的前提下，居民會心存“后顧之憂”而不愿消費（未來可能會因為疾病、突發意外而產生額外支出）。最后，是縮小城鄉居民收入差距。近年來，隨著在線消費、物流網絡的不斷發展，農村居民的消費潛力也得到了有效釋放。目前，農村居民消費已成為社會消費的重要一環，在擴內需、穩增長方面發揮了不容忽視的作用。但是，城鄉居民收入差距過大，會嚴重抑制農村居民消費的積極性［20］。

城鄉居民的消費意愿不足，會嚴重抑制整個社會在“消費領域”的資金需求，不利于零售貸款業務發展。通過“增收入、穩就業、提升城鎮基本醫保參保率、縮小城鄉居民收入差距”改善民生，可以有效激發城鄉居民的消費活力，促進整個社會在“消費領域”的資金需求，為零售貸款業務創造廣闊的發展空間。鑒于此，本文提出如下假設：

H3：通過“增收入、穩就業、提升城鎮基本醫保參保率、縮小城鄉居民收入差距”改善民生，有助于強化數字經濟對城商行零售貸款占比的促進作用。

其二，是司法質量。零售貸款業務主要服務于居民的消費支出。消費過程包括多個環節（產品選擇、價格接受、質量保證、實際消費、服務態度、售后保障等），任何一個環節發生“消費糾紛”都可能導致消費者的權益受損，使得消費難以再正常進行［21］。相應地，市場對零售貸款業務的需求也會因此受到抑制。這種情況下，就需要通過司法保護“定分止爭、維護公平”，從而化解“消費糾紛”，促進消費市場健康發展［22］。研究顯示，司法質量的提升有助于降低消費者維權成本、提振消費者安全感，從而促進城鄉居民消費支出［23］。因此，司法質量高的省份，零售貸款業務具有更好的發展環境。鑒于此，本文提出如下假設：

H4：提升司法質量，有助于強化數字經濟對城商行零售貸款占比的促進作用。

其三，是城市人居環境質量。在一個令人舒適的城市環境中，個體更愿意在消費中支付額外的價格，因為優質的居住環境會給居民帶來無形的“心理收入”［24］。“心理收入”帶來的超額消費，需要其他的資金來源進行填補，這拓展了零售貸款業務的市場需求。此外，城市人居環境質量高的地區，居民的消費觀念會愈加偏向于享樂性質的消費（住房、汽車以及奢侈品），即居民的“消費層級”會更高［25］。零售貸款（個人住房按揭貸款、個人消費貸款和個人汽車貸款）正是用于滿足高“消費層級”的個人授信業務。鑒于此，本文提出如下假設：

H5：改善城市人居環境質量，有助于強化數字經濟對城商行零售貸款占比的促進作用。

三、研究設計

（一）變量選取

1.被解釋變量

本文立足于城商行零售業務轉型的實踐，從信貸資產配置的視角出發，選取城商行“資產端”的零售貸款占比（retail）作為被解釋變量，即“零售貸款/總資產”。

2.解釋變量

本文采用劉軍等（2020）［17］構建的數字經濟發展指數（DE）反映各省份歷年的數字經濟發展情況。該指數基于各省份的光纜密度、移動電話基站密度、信息化從業人員占比、電信業務總量、軟件業務收入、互聯網接入端口密度、移動電話普及率、寬帶互聯網用戶人數占比、移動互聯網用戶人數占比、企業網站占比、企業使用計算機數占比、電子商務占比、電子商務銷售額、網上零售額，采用熵值法進行加權構建。劉軍等（2020）［17］構建的數字經濟發展指數在數字經濟領域作出了開創性貢獻，可以較為全面地反映各省份的數字經濟發展情況，因而在相關研究中得到廣泛的好評與應用［26-27］。

考慮到數字經濟發展水平的“自選擇偏誤”會導致內生性問題，本文采用處理效應模型進行了糾正［16］。根據處理效應模型的需要，本文將省域數字經濟發展水平轉化為虛擬變量的形式（DE_d）。通過計算樣本期內30個省份（除西藏、港澳臺地區）數字經濟發展指數的均值，將“數字經濟發展指數（DE）≥均值”定義為“高”數字經濟發展水平（DE_d=1），將“數字經濟發展指數（DE）＜均值”定義為“低”數字經濟發展水平（DE_d=0）。

3.控制變量

本文選取的控制變量包括：資本充足率（CAR）；資產規模（size）；資產收益率（ROA）；貸存比（SLR）；資產權益率（AER）；各省份的經濟環境（GDP）；各省份的貨幣環境（CPI）；各省份的金融環境（finance），具體見表1。

我國城商行普遍提出零售業務轉型是從2014年開始，本文將時間向前推進一年，選取了96家城商行2013—2021年的數據作為樣本。相關數據來自各城商行的年報、各省份統計年鑒、MARK數據庫和國家統計局網站。

（二）模型設定

本文設定式（1）檢驗省域數字經濟發展水平（DE_d）對城商行“資產端”零售貸款占比（retail）的影響：

retail=α+β×DE_d+∑8j=1θj×controlj+u（1）

式（1）中control代表控制變量；u代表殘差項。

四、實證分析

（一）基準回歸

一省份的數字經濟發展水平并非隨機變量，而是與當地經濟社會的發展情況有關（受一些前定因素的影響），這會導致自選擇問題，進而對實證結果造成干擾。這種情況下，“數字經濟發展水平較高的省份”和“數字經濟發展水平較低的省份”，當地城商行在零售貸款占比上的差異，既有可能是數字經濟發展水平不同造成的，也有可能是前定因素不同造成的。或者說，可能存在一些前定因素，使得部分省份無論數字經濟發展水平如何，當地城商行的零售貸款占比總是會高于或者低于其他省份。為消除“自選擇偏誤”導致的內生性，本文進一步采用處理效應模型進行了回歸［16］。根據處理效應模型的數據需要，解釋變量采用了虛擬變量形式的數字經濟發展水平（DE_d）。

表2和表3采用了處理效應模型（OLS兩步法和MLE估計），用以排除“自選擇偏誤”導致的內生性。微觀控制變量（CAR、size、ROA、SLR、AER）采用其滯后期值，以避免反向因果關系導致內生性問題。處理效應選取的協變量包括：人均GDP（PCG），用于控制各省份的經濟發展水平；城鎮化率（urban），即各省份的城鎮人口占總人口的比重；失業率（lost），用于控制各省份的就業情況；固定資產投資增速（invest），用于控制各省份投資因素的影響；對外貿易依存度（trade），用于控制各省份的對外開放程度；金融環境（finance），即各省份的金融業增加值占比；每萬人擁有的專利授權數（tech），用于控制各省份的技術因素；產業結構（second），即各省份的第二產業增加值占比。

第一階段Probit回歸中，協變量較好地控制了相關因素對省域數字經濟發展水平的影響；第二階段的診斷性指標（hazard?lambda和LR）檢驗均顯著，說明省域數字經濟發展水平確實會產生“自選擇偏誤”，應當采用處理效應模型進行糾正。表3的列（1）和列（2）中，數字經濟發展水平（DE_d）的系數顯著為正，說明：隨著省域數字經濟發展水平的提高，城商行的零售貸款占比會上升。總的來看，上述結果依然支持了本文假設H1。

（二）內生性討論

首先，是“自選擇偏誤”導致的內生性。這是本文內生性問題的主要來源，本文在表2和表3基準回歸部分采用處理效應模型予以了糾正。

其次，是反向因果關系導致的內生性。省域數字經濟發展水平作為一個宏觀變量，一般不會受到微觀個體的反向影響。但出于穩妥考慮，本文依然采用工具變量法進行了檢驗。現有文獻大都采用各省份的光纜密度、互聯網接入端口密度、移動電話普及率作為數字經濟的外生工具變量。本文采用的數字經濟發展指數本身就是基于這些外生變量編制的［17］。因此，借鑒王詩卉和謝絢麗（2021）［12］的做法，直接采用數字經濟發展指數的滯后一期值（L.DE）作為工具變量進行回歸。基準回歸部分的處理效應模型主要用于糾正“自選擇偏誤”導致的內生性，并不適用于該工具變量的回歸，因而本部分采用了傳統的面板數據回歸方法，F檢驗和Hausman檢驗的結果均支持了固定效應模型，結果見表4：列（1）作為參照，是數字經濟發展指數當期值（DE）的回歸結果；列（2）則是數字經濟發展指數滯后一期值（L.DE）的回歸結果。總的來看，結果依然支持了本文假設H1。

最后，是遺漏變量和測量誤差導致的內生性。借鑒李春濤等（2020）［28］的做法，使用相同年度“相鄰省份數字經濟發展指數的均值”（DE_ave）作為工具變量進行了回歸：一方面，相鄰省份的數字經濟發展水平一般比較接近，這確保了其相關性；另一方面，由于行政區劃上的分割，相鄰省份的數字經濟發展水平相對外生。F檢驗和Hausman檢驗的結果均支持了隨機效應模型，結果見表4的列（3）。DE_ave的系數依然顯著為正，支持了本文假設H1。

（三）穩健性檢驗

首先，基于劉軍等（2020）［17］數字經濟發展指數的三個分項指標，信息化發展指數（inform）、互聯網發展指數（internet）和數字交易發展指數（DT），根據樣本期均值將三個分項指標轉化為信息化發展水平（inform_d）、互聯網發展水平（internet_d）和數字交易發展水平（DT_d），同時采用兩種處理效應模型（OLS兩步法和MLE估計）進行了回歸，即表5中列（1）～（6），結果未出現實質性變化。

然后，采用固定效應模型對信息化發展指數（inform）、互聯網發展指數（internet）和數字交易發展指數（DT）進行回歸，結果見表6列（1）～（3），三個分項指標的系數均顯著為正，與前文結論一致。還將三個分項指標滯后一期，回歸結果見表6列（4）～（6），結果未出現實質性變化。

此外，本文還進行了以下穩健性檢驗：一方面，是更換解釋變量，參考劉珺等（2023）［29］的研究，以“北京大學數字普惠金融指數”為數字經濟發展水平的代理變量；另一方面，是增加控制變量，包括流動性比例、不良貸款率、民資持股比例。結果依然支持前文結論（囿于篇幅所限，結果未列出）。總的來看，本文回歸結果穩健可靠。

五、進一步的研究

表3中的診斷性指標（hazard?lambda和LR檢驗）均顯著，說明“自選擇偏誤”導致的內生性問題非常嚴重，必須采用處理效應模型進行糾正。為確保后續回歸結果的可靠，下文研究與基準回歸保持一致，繼續采用處理效應模型，并參照現有文獻的做法［1-2］，同時采用基于處理效應模型的OLS兩步法和MLE估計進行實證分析。

（一）異質性影響：不同類型零售貸款和不同特征城商行

零售貸款主要由“個人經營性貸款、個人住房按揭貸款、個人消費貸款、個人汽車貸款”構成。表7檢驗了數字經濟對不同類型零售貸款的影響：列（1）和列（2）是個人經營性貸款（business），DE_d的系數顯著為正；列（3）和列（4）是個人住房按揭貸款（mortgage），DE_d的系數顯著為負；列（5）和列（6）是個人消費貸款（consume），DE_d的系數顯著為正；列（7）和列（8）是個人汽車貸款（car），DE_d的系數顯著為正。總的來看，數字經濟對城商行零售貸款業務的促進作用主要集中于個人經營性貸款、個人消費貸款和個人汽車貸款，對于個人住房按揭貸款則表現出抑制作用。

從抵押物來看：個人經營性貸款和個人消費貸款具有無抵押的特點；個人汽車貸款的抵押物屬于消耗品，其保值性較差；個人住房按揭貸款的抵押物則具有較好的保值增值能力，流轉性也相對較強。長期以來，我國城商行出于安全考慮，所投放的零售貸款大都集中于個人住房按揭貸款（部分城商行的房貸占零售貸款比重甚至超過八成）。這種零售貸款配置方式“表面穩健，實則畸形”，因為零售貸款板塊的安全性與房價走勢深度綁定，一旦房價出現波動，整個零售貸款板塊都將遭到拖累。隨著數字經濟發展水平的提升，個人經營性貸款、個人消費貸款和個人汽車貸款受到促進，個人住房按揭貸款則受到抑制，這說明：數字經濟有助于城商行的零售貸款板塊“回歸”合理狀態。

進一步地，表8從資產規模（size）和區位因素（local）兩個方面檢驗了數字經濟對城商行零售貸款占比的異質性影響。

首先，列（1）和列（2）中引入了城商行的資產規模與數字經濟的交互項。DE_d和size×DE_d的系數均顯著為正，說明：資產規模越大的城商行，數字經濟對其零售貸款占比的促進作用越大。究其原因，資產規模大的城商行往往客戶基數大、業務覆蓋面廣，而且還具備規模經濟［2］，在開展零售貸款業務的過程中更具優勢，因而加強了數字經濟的“賦能”效果。

其次，列（3）和列（4）中引入了城商行的區位因素與數字經濟的交互項（位于東部地區的城商行，local=1；位于中西部地區的城商行，local=0）。DE_d和local×DE_d的系數均顯著為正，說明：相較于中西部地區的城商行，數字經濟對東部地區城商行零售貸款占比的促進作用更大。這主要是我國數字經濟發展不平衡造成的，東部地區數字經濟的發展水平大都高于中西部地區，因而對當地城商行零售貸款業務的“賦能”效果更好。

（二）機制檢驗：數字經濟“賦能”城商行風險管理和成本管理

近年來，傳統的“逐步回歸法”在機制檢驗中，可靠性受到較多的批評與質疑［30］。鑒于此，本文采用交互項的方式進行了機制檢驗。表9考察了數字經濟對城商行風險管理和成本管理工作的“賦能”效應。

表9列（1）中引入了城商行的風險管理能力（risk_m）與數字經濟的交互項，風險管理能力用“100%－不良貸款率”進行衡量［31］。risk_m和risk_m×DE_d的系數均顯著為正，說明：在數字經濟發展水平較低時（DE_d=0），風險管理能力對零售貸款占比的影響為0.609；在數字經濟發展水平較高時（DE_d=1），風險管理能力對零售貸款占比的影響為1.420（0.609+0.811）。明顯地，數字經濟發展水平的提升，強化了風險管理能力對零售貸款占比的促進作用。列（2）的結果同樣支持該結論。

表9列（3）中引入了城商行的成本管理能力（cost_m）與數字經濟的交互項，成本管理能力用“100%－成本收入比”進行衡量［32］。cost_m的系數不顯著，cost_m×DE_d的系數則顯著為正，說明：數字經濟發展水平較低時（DE_d=0），成本管理能力未能促進零售貸款占比提升；數字經濟發展水平較高時（DE_d=1），成本管理能力可以促進零售貸款占比提升。明顯地，數字經濟發展水平的提升，強化了成本管理能力對零售貸款占比的促進作用。列（4）的結果同樣支持該結論。總的來看，上述結果支持了假設H2。

（三）調節效應：零售貸款業務的發展環境

首先，表10考察了民生質量帶來的影響。列（1）和列（2）引入了各省份的人均可支配收入（income）與數字經濟的交互項，系數顯著為正，說明：人均可支配收入的提升，有助于強化數字經濟對零售貸款占比的促進作用。列（3）和列（4）引入了各省份的城鎮登記失業率（lost）與數字經濟的交互項，系數顯著為負，說明：失業率的攀升，會抑制數字經濟對零售貸款占比的促進作用。列（5）和列（6）引入了各省份的城鎮基本醫保參保率（insurance）與數字經濟的交互項，系數顯著為正，說明：城鎮基本醫保參保率的提升，有助于強化數字經濟對零售貸款占比的促進作用。列（7）和列（8）引入了各省份的城鄉居民收入差距（gap）與數字經濟的交互項，城鄉居民收入差距用“城鎮居民人均可支配收入/農村居民人均可支配收入”衡量。交互項系數顯著為負，說明：城鄉居民收入差距的擴大，會抑制數字經濟對零售貸款占比的促進作用。總的來看，表10的結果支持了假設H3。

其次，表11中列（1）和列（2）考察了司法質量帶來的影響，司法質量用各省份每萬人擁有的律師數量進行度量［23］。justice×DE_d的系數顯著為正，說明：司法質量越高的省份，數字經濟對零售貸款占比的促進作用越大。該結果支持了假設H4。

最后，表11中列（3）～（8）考察了城市人居環境質量帶來的影響。本文主要從三個方面評價了城市人居環境質量：一是城市生態環境（green），即各省份的人均公園綠地面積（這是住建部評價城市宜居度的重要指標）；二是城市交通環境（road），即各省份的人均城市道路面積（人均城市道路面積少，意味著道路負荷高，更容易產生交通擁堵問題，進而降低城市人居環境質量）；三是城市醫療環境（medical），即每萬人擁有的醫療衛生機構數（這是新冠疫情以來非常受關注的指標）。列（3）和列（4）引入了城市生態環境和數字經濟的交互項，系數顯著為正，說明：城市生態環境建設越先進的省份，數字經濟對零售貸款占比的促進作用越大。列（5）和列（6）引入了城市交通環境和數字經濟的交互項，系數顯著為正，說明：城市交通環境建設越先進的省份，數字經濟對零售貸款占比的促進作用越大。列（7）和列（8）引入了城市醫療環境和數字經濟的交互項，系數顯著為正，說明：城市醫療環境建設越先進的省份，數字經濟對零售貸款占比的促進作用越大。總的來看，列（3）～（8）的結果支持了假設H5。

六、拓展性研究：數字經濟背景下城商行的“資產轉換”行為

進一步地，本文在表12中考察了數字經濟背景下城商行的“資產轉換”行為。列（1）和列（2）的被解釋變量為城商行“資產端”的對公貸款占比（corporate），DE_d的系數顯著為負，說明：隨著數字經濟發展水平的提高，城商行“資產端”的對公貸款占比在下降。這與表3的結果形成鮮明對比（隨著數字經濟發展水平的提高，城商行“資產端”的零售貸款占比在上升）。

城商行的“資產端”主要由對公貸款、零售貸款、同業資產以及金融資產構成，從資產配置的視角來看：受數字經濟發展的影響，城商行增加“資產端”零售貸款配置的同時，減少了“資產端”的對公貸款配置。換而言之，數字經濟背景下城商行“資產端”的“零售貸款占比提升”是以“對公貸款占比降低”為代價的，即存在“替代效應”。對公貸款對于支持實體經濟發展、推動產業結構升級具有重要意義，因此，從宏觀審慎的角度來看，這值得監管部門提高“警惕”。

表12中列（3）和（4）的被解釋變量為城商行“資產端”的對公貸款占比（corporate），引入了經濟環境（GDP）和數字經濟的交互項。DE_d的系數顯著為負，GDP×DE_d的系數則顯著為正，說明：隨著經濟增速放緩，數字經濟對于對公貸款占比的負向影響會上升。表12中列（5）和（6）的被解釋變量為城商行“資產端”的零售貸款占比（retail），引入了經濟環境（GDP）和數字經濟的交互項。DE_d的系數顯著為正，GDP×DE_d的系數則顯著為負，說明：隨著經濟增速放緩，數字經濟對于零售貸款占比的正向影響會上升。究其原因：對公貸款具有強周期性，在經濟增速放緩的情況下，企業客戶的經營狀況會惡化，因而違約率會出現明顯攀升；零售貸款則具有弱周期性，即使面臨經濟下行，借款人仍然會保持強烈的還款意愿。因此，一旦經濟增速放緩，城商行為避免“資產端”的違約率攀升，會在數字經濟的助力下加速進行“資產轉換”，將資金從對公貸款轉向零售貸款。

七、結論與啟示

（一）結論

本文立足于城商行零售業務轉型的實踐，從信貸資產配置的視角出發，研究了省域數字經濟發展給城商行“資產端”零售貸款占比帶來的影響。研究發現：①數字經濟可以助推城商行零售業務轉型，對其“資產端”的零售貸款占比具有顯著的促進作用。一方面，這種促進作用主要集中于個人經營性貸款、個人消費貸款和個人汽車貸款，對于個人住房按揭貸款則表現出抑制作用；另一方面，對于資產規模較大和東部地區的城商行，數字經濟的促進作用更為明顯。②機制檢驗表明：數字經濟可以“賦能”城商行的風險管理和成本管理，在數字經濟發展水平較高的情況下，風險管理和成本管理可以更好地促進零售貸款占比提升。③調節效應檢驗表明：通過“改善民生質量、提升司法質量、改善城市人居環境質量”優化零售貸款業務的發展環境，可以強化數字經濟對城商行“資產端”零售貸款占比的促進作用。④數字經濟背景下，城商行“資產端”的“零售貸款占比提升”是以“對公貸款占比降低”為代價的，二者存在“替代效應”，且在經濟下行期尤為明顯。

（二）啟示

本文的政策啟示直接蘊含于本文的結論之中：

第一，城商行推進零售業務轉型，要以堅持服務實體經濟為前提。零售業務轉型要求城商行大力發展零售貸款業務，但這并不意味著要放棄對公貸款。城商行要通過“合理控制對公貸款增速、深入優化對公貸款結構”的方式，更高質量地服務實體經濟。當然，數字經濟背景下，城商行增加零售貸款配置是零售業務轉型的必然要求，但是減少對公貸款配置并不值得提倡（對公貸款對于“支持實體經濟發展、推動產業結構升級”具有重要意義）。在資金有限的前提下，城商行可以優先壓縮“資產端”的同業資產和金融資產（減少金融體系內的資金空轉），將節約的資金用于零售貸款投放，不能有意壓縮“資產端”對公貸款的配置比例。從宏觀審慎的角度來看，監管部門也要適時對城商行的信貸投放給出指導意見，避免城商行在零售業務轉型過程中對企業客戶進行“惜貸”“抽貸”，尤其是在當前經濟增速放緩的背景下，監管部門更需要加強信貸政策的引導作用。

第二，城商行要加強對省域數字經濟的資金支持。省域數字經濟的“賦能”效應是助力城商行實現零售業務轉型的重要手段，同時，省域數字經濟的發展也離不開城商行的資金支持。城商行將信貸資源向數字經濟領域做出傾斜，不僅有助于促進數字經濟穩健發展，也有助于數字經濟發揮“反哺”作用，助力城商行零售業務轉型的順利進行。

第三，城商行要積極提升自身的數字化水平：一方面，前臺業務部門要轉換競爭思維，擺脫物理網點的桎梏，通過數字化技術進一步實現“流程再造、模式升級”，借助線上渠道打造一體化的服務體系，讓零售貸款業務更加“民生化、便捷化和智慧化”；另一方面，中后臺部門也要進一步提高數字技術的應用，充分“賦能”自身風險管理和成本管理工作，讓風險管理和成本管理成為加速自身零售業務轉型的引擎。

第四，地方政府不是城商行零售業務轉型的旁觀者，而是可以發揮助推作用的參與者。地方政府可以通過“改善民生質量、提升司法質量、改善城市人居環境質量”優化零售貸款業務的發展環境，助力城商行通過零售業務轉型實現高質量發展。

［注?釋］①

數據來自國家發展和改革委員會主任何立峰于2022年10月28日在十三屆全國人大常委會第三十七次會議上所作的報告。

②?2021年10月18日，習近平總書記在主持十九屆中央政治局第三十四次集體學習時所強調。

③?截至2022年8月末，由央行主導建設的個人征信系統已收錄11.5億自然人信息（數據來自中國人民銀行征信管理局）。[BFQ][ZK）]

［參考文獻］

［1］史永東，郭子增，王龑.從重資產到輕資產：商業模式轉型對銀行績效的影響——基于我國上市銀行的研究［J］.商業研究，2019（7）：77-83.

［2］王龑，郭子增.從“重資產”到“輕資產”：經營模式轉型是否影響了銀行風險［J］.金融經濟學研究，2019，34（5）：80-92.

［3］胡俊，李強，劉穎琛，等.商業銀行金融科技對零售貸款的影響——基于年報的文本分析［J］.管理評論，2021，33（11）：298-311.

［4］謝治春，趙興廬，劉媛.金融科技發展與商業銀行的數字化戰略轉型［J］.中國軟科學，2018（8）：184-192.

［5］郭亦能，肖斌卿.數字經濟時代開放銀行發展模式與路徑：中英兩國對比研究［J］.河海大學學報（哲學社會科學版），2021，23（4）：51-59.

［6］MINETTI?R，?HERRERA?A?M.?Informed?finance?and?technological?change：?evidence?from?credit?relationships［J］.?Journal?of?financial?economics，?2015，?83（1）：223-269.

［7］ITAY?G，?WEI?J，?ANDREW?K?G.?To?fintech?and?beyond［J］.?Review?of?financial?studies，?2019，?32（5）：1647-1661.

［8］孫光林，蔣偉.數字經濟對商業銀行不良貸款率的影響機制研究［J］.證券市場導報，2021（5）：37-44.

［9］王建清.數字經濟對我國銀行業的幾大挑戰［J］.社會科學研究，2001（4）：37-39.

［10］MOWRY?M?J?.?Banking’s?digital?arms?race［Z］.?Business?NH?magazine，?2015.

［11］易憲容，陳穎穎，位玉雙.數字經濟中的幾個重大理論問題研究——基于現代經濟學的一般性分析［J］.經濟學家，2019（7）：23-31.

［12］王詩卉，謝絢麗.經濟壓力還是社會壓力：數字金融發展與商業銀行數字化創新［J］.經濟學家，2021（1）：100-108.

［13］張慶君，陳思.數字經濟發展、銀行數字化投入與銀行治理［J］.經濟與管理研究，2022，43（8）：31-55.

［14］羅煜，崔書言，曠純.數字化與商業銀行經營轉型——基于傳統業務結構變遷視角［J］.國際金融研究，2022（5）：34-44.

［15］王正位，張躍星.數字經濟時代銀行信用卡業務創新發展研究［J］.新金融，2022（11）：19-24.

［16］MADDALA?G?S.?Limiteddependent?and?qualitative?variables?in?econometrics［J］.?Cambridge?England?Cambridge?university?press，?1983，?79（387）：80-81.

［17］劉軍，楊淵鋆，張三峰.中國數字經濟測度與驅動因素研究［J］.上海經濟研究，2020（6）：81-96.

［18］錢先航，曹春方.信用環境影響銀行貸款組合嗎——基于城市商業銀行的實證研究［J］.金融研究，2013（4）：57-70.

［19］李志輝，陳海龍，張旭東.金融科技對商業銀行盈利能力的影響［J］.中南財經政法大學學報，2022（5）：56-68.

［20］王芳，胡立君.城鎮化對中國農村居民消費的影響及傳導路徑研究——基于收入效應和收入差距的多重中介效應檢驗［J］.宏觀經濟研究，2022（9）：64-77.

［21］葉胥，楊荷，毛中根.消費者權益保護、企業社會責任與居民消費［J］.經濟管理，2021，43（12）：150-169.

［22］劉樹德.構建和諧消費關系?促進市場健康發展［N］.人民法院報，?2010-05-26（008）.

［23］岳鵠，劉漢文，周子灼.地區司法質量對居民消費的影響［J］.消費經濟，2023，39（1）：46-57.

［24］GLAESER?E?L，?GOTTLIEB?J?D.?Urban?resurgence?and?the?consumer?city［J］.?Urban?studies，?2006，?43（8）：1275-1299.

［25］王寧.地方消費主義、城市舒適物與產業結構優化——從消費社會學視角看產業轉型升級［J］.社會學研究，2014，29（4）：24-48.

［26］陳叢波，葉阿忠.數字經濟促進經濟增長的城市異質性研究［J］.統計與信息論壇，2023，38（4）：48-58.

［27］段龍龍，何虎.數字經濟發展能夠抑制地方政府規模膨脹嗎——基于政府治理能力視角的實證研究［J］.貴州財經大學學報，2023，?223（2）：21-31.

［28］李春濤，閆續文，宋敏，等.金融科技與企業創新——新三板上市公司的證據［J］.中國工業經濟，2020，?382（1）：81-98.

［29］劉珺，唐建偉，周邊，等.數字經濟如何影響中國通貨膨脹？——基于作用機理和動態特征的實證分析［J］.金融研究，2023，?513（3）：1-19.

［30］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022，?410（5）：100-120.

［31］劉莉亞，余晶晶，楊金強，等.競爭之于銀行信貸結構調整是雙刃劍嗎？——中國利率市場化進程的微觀證據［J］.經濟研究，2017，52（5）：131-145.

［32］王龑，史永東.科技金融反哺銀行業的異質性研究——來自區域性銀行的經驗證據［J］.科學學研究，2017，35（12）：1821-1831.

Development?of?Provincial?Digital?Economy?and?Retail?Business?Transformation?

of?Urban?Commercial?Banks

Wang??Yan

（School?of?Economics?and?Management，?Dalian?Minzu?University，?Dalian?116000，?China）

Abstract：

This?article?is?based?on?the?practice?of?retail?business?transformation?of?urban?commercial?banks.?From?the?perspective?of?credit?asset?allocation，?it?studies?the?impact?of?the?development?of?the?provincial?digital?economy?on?the?proportion?of?retail?loans?on?the?asset?side?of?urban?commercial?banks.?The?results?show?that：?the?digital?economy?can?promote?the?retail?business?transformation?of?urban?commercial?banks，?and?increase?the?proportion?of?retail?loans.?On?the?one?hand，?this?promoting?effect?mainly?focuses?on?personal?business?loans，?personal?consumption?loans，?and?personal?vehicle?loans，?while?showing?a?restraining?effect?on?personal?housing?mortgage?loans.?On?the?other?hand，?for?urban?commercial?banks?with?larger?asset?size?and?in?the?eastern?region，?the?promoting?effect?of?the?digital?economy?is?more?pronounced.?Mechanism?tests?show?that：?the?digital?economy?can?empower?urban?commercial?banks’?risk?management?and?cost?management，?thereby?promoting?the?increase?in?the?proportion?of?retail?loans

on?their?asset?side.?The?adjustment?effect?test?shows?that：?by?improving?the?quality?of?people’s?livelihood，?enhancing?the?quality?of?justice，?and?improving?the?quality?of?urban?living?environment?to?optimize?the?development?environment?of??retail?loan?business，?the?promotion?effect?of?the?digital?economy?can?be?strengthened.?In?addition，?in?the?context?of?the?digital?economy，?the?increase?in?the?proportion?of?retail?loans?on?the?asset?side?of?urban?commercial?banks?is?at?the?expense?of?the?reduction?in?the?proportion?of?corporate?loans，?which?means?there?is?a?substitution?effect，?especially?in?the?downturn?of?the?economy.

Key?words：digital?economy;?retail?loans;?risk?management;?cost?management

（責任編輯：蔡曉芹）