商業銀行數字化轉型如何影響風險承擔

摘 要：對于商業銀行數字化轉型如何影響其風險承擔水平的研究，既有文獻多從數字化場景下的信貸市場技術變化與授信模式調整切入，忽視了銀行融資市場的影響。區別于此，本文通過商業銀行的城市聚類，使用地區數字普惠金融指數作為地區性商業銀行數字化轉型程度的代理變量，利用城市商業銀行2012—2022年面板數據，從“融”與“貸”兩個維度分析商業銀行數字化轉型對風險承擔的影響及其作用機制。實證結論表明：商業銀行數字化轉型顯著增加了商業銀行風險承擔水平，且表現為信用風險（信貸不良率）與經營穩定性風險（收入波動性）的共同上升。機制分析表明，數字化轉型的風險積累通過成本沖擊效應而實現，信貸選擇效應并不顯著，說明商業銀行數字化轉型所形成的風險積累，實際源自“融”而非“貸”。商業銀行缺乏通過信貸溢價釋放負債成本壓力的能力，導致負債成本的增加最終形成風險積累。此結論可為商業銀行更為精準地選擇風險控制與管理的業務切入口提供啟示。

關鍵詞：數字化轉型；風險承擔；成本沖擊效應；信貸選擇效應

文章編號：2095-5960（2024）03-0031-09；中圖分類號：F832.39；文獻標識碼：A

一、引言及文獻綜述

互聯網技術的成熟催生了金融科技浪潮的出現［1］，客戶金融服務需求的線上化、智能化，也推動了大數據、區塊鏈與人工智能技術和商業銀行傳統業務的深度結合，數字化轉型據此成為“巴塞爾協議框架中現代商業銀行體系基礎性發展戰略”［2］。具體到中國，利率市場化加劇了商業銀行在存貸款市場的競爭，商業銀行更為關注傳統業務的數字化場景重塑，數字化營銷、數字化協同與數字化信息處理成為商業銀行增強客戶體驗、提升精細化管理能力的核心工具。［3］根據《商業銀行科技戰略案例庫：2022》的統計，我國商業銀行的柜面分流率平均已達86.53%，電子渠道交易的柜臺替代率已達93.91%，數字化服務的平均收入份額超過33.62%，商業銀行數字化建設與維護的投入資金規模在2018—2021年保持了年均47.66%的增長①①商業銀行數字化轉型資金投入數據源自《2023年中國銀行營銷數字化研究報告》。。可以說，數字化轉型已經成為現階段我國商業銀行控制業務成本、增強服務包容性與提升客戶黏性的主要方式。

那么，商業銀行的數字化轉型對銀行風險承擔會產生何種影響？特別是在經歷了次貸危機與“金融海嘯”的陣痛后，在過度復雜的資產交易結構和風險主體深度關聯的金融衍生品會加速金融風險傳導與加劇金融體系脆弱性這一理解下，銀行數字化轉型在實現了服務便捷化、交易即時化、客戶平等化、管理流程壓縮化的同時，是不是又會“喂養”下一個潛在的風險泡沬？［4］

毋庸置疑的是，數字化轉型從根本上解決了移動渠道普及、客戶信息集中管理、差異化定價以及信貸軟信息“硬化”等長期困擾傳統業務拓展的瓶頸［5］，從而提升了商業銀行風險甄別與風險控制水平［6］，但也必須承認，銀行業務的數字化生態同時也大大提升了存貸轉移的流動性釋放水平［7］，更使得銀行業務風險結構呈現出“扁平化”與高聯動性特征［8］，且虛擬化場景交易模式還可能放大商業銀行表內資產表外化的自由裁量空間從而增強商業銀行“為盈利而冒險”的意愿。也因此，2022年央行發布的《金融科技發展規劃（2022—2025年）》明確要求“穩妥發展金融科技”“強化金融穩定保障體系”，這既為商業銀行數字化轉型指明了“穩中求進”的基本思路，也從側面說明數字化戰略與銀行風險間可能存在復雜作用結構。因此，厘清商業銀行數字化轉型與其風險承擔水平間的關系，揭示數字化轉型對銀行風險的內在作用機制與微觀影響機理，有助于將數字化轉型問題納入宏觀審慎風險監管框架之中，既可以守住不發生系統性金融風險的底線，又有助于明晰商業銀行風險積累的內在規律與重要風險源，從而形成有的放矢的風險針對性管理。

已有文獻對于銀行數字化轉型是否會加劇風險已經進行了相對充分的討論。以Lapavitsas amp; Santos［9］、 Ariss［10］為代表的研究認為，金融科技化與數字技術的應用會顯著降低商業銀行風險承擔水平，并主要通過盈利改善、緩解信貸市場信息不對稱以及風控能力的提升而實現。汪可等［11］基于中國上市商業銀行數據的檢驗發現，即使短期內金融科技應用會通過縮窄利差形成風險積累，但考慮到商業銀行自適應風險管理策略的存在①①商業銀行自適應風險管理策略主要是指，當商業銀行預期到金融科技的影響后，會通過調整信貸資產配置、拓展中間業務等方式應對金融科技沖擊。 ，金融科技與商業銀行風險承擔長期來看表現為顯著負相關。沈悅和郭品［12］基于TFP視角的分析證實，商業銀行數字化轉型與金融科技應用雖然可能導致業務中心從傳統業務向銀行間業務轉移，但經營效率的增加足夠對沖風險成本變化，商業銀行整體的風險水平會有所下降。最新的一些研究則分別從地區維度與銀行個體維度證實，銀行數字化轉型能夠提升管理效率、降低信貸集中度并豐富銀行風險控制手段，最終表現為降低風險水平。［13，14］

此外，還有部分研究結論得出了銀行數字化轉型會形成風險積累的結論。如Hauswald amp; Marquez［15］、Stoica等［16］基于亞洲發展中國家的經驗研究發現，數字化轉型形成了新的銀行間競爭市場，且相對于傳統業務科技創新型產品同質性更強，這會驅使銀行信貸市場下沉，從而形成潛在的風險積累。陳加才［17］、李淑萍和徐英杰［18］基于中國銀行樣本的分析也得到了類似的結論。王升等［19］同樣認為，由于互聯網金融的發展，導致銀行對同業拆借等批發性資金的依賴度上升，這促使銀行實施盲目的信貸擴張進而形成風險積累。

可以說，已有研究對數字化轉型如何影響商業銀行風險已經進行了相對充分的研究，但尚存在如下不足：一是已有研究在論證數字化轉型影響風險承擔的作用機制時，僅僅聚焦于商業銀行信貸市場的競爭、擴張行為及相應的信貸技術調整，忽視了存款市場競爭導致的銀行負債成本沖擊；二是已有研究在測度商業銀行數字化轉型程度時，缺乏對由于地區差異導致的同一家銀行在不同區域數字化應用的異質性的控制，這會明顯高估一些落后與欠發達地區商業銀行的數字化水平及轉型影響②②如根據《中國互聯網報告：2010—2018》的統計，我國城鎮家庭寬度普及率最高為上海的83.26%，最低為西藏的33.59%，很難相信，上述兩個地區商業銀行具有相同的業務數字化程度。，也因此忽略了商業銀行在相似地區數字化環境中自選擇效應的影響③③這一自選擇效應是指，即使面臨相似的金融科技化環境，商業銀行數字化轉型戰略的實施意愿、強度與戰略結果也存在差異，存在業務數字化的“領跑者”也存在“后知后覺者”。 。有鑒于此，本文嘗試從負債成本變化與信貸風險選擇兩個維度，揭示銀行數字化轉型對其風險承擔變化的內在作用機理與影響渠道，同時通過城商行實際（主要）經營區域標識實現銀行-城市間的逐一匹配，使用地級市數字金融發展指數作為當地商業銀行數字化能力的代理變量，以期通過城市聚類實現對地區性商業銀行數字化轉型程度與數字化能力的差異化衡量。

本文可能的貢獻包括：一是，通過城市-城商行的逐一匹配這一城市聚類，強化城市數字金融發展水平與屬地商業銀行數字化轉型能力的契合性與測度精確性，進而有效控制城商行因為地區數字化生態差異而導致的自選擇偏誤影響；二是，本文放棄傳統的基于信貸市場分析風險承擔水平的思路，從融資行為與信貸行為的雙重維度出發，揭示銀行數字化轉型基于負債成本與信貸選擇兩個渠道影響風險承擔水平的完整過程，厘清數字化轉型沖擊銀行風險承擔的微觀作用機理，以期為商業銀行更為精準地選擇風險控制與管理的業務切入口提供啟示。

二、數字化轉型如何影響商業銀行風險承擔：一個實證檢驗

1.模型設計

參考Stoica等［16］的研究，數字化轉型與商業銀行風險承擔間因果模型可以設計為：riski，t+1=α0+α1finit+∑λjbankit+∑βlcityit+riski，t+εit（1）

其中，riski，t+1為商業銀行風險承擔水平的代理變量，為了體現業務-風險沖擊時滯，對其進行了一階滯后處理；finit為衡量商業銀行數字化轉型程度的替代指標；bankit為與銀行風險承擔相關的銀行個體特征變量；cityit的存在則是為了控制對區域性銀行風險承擔存在沖擊的市場環境、經濟規模等外部性因素的影響；因變量滯后一期riskit的引入則是為了控制其他不可測變量的存在引致的內生性影響；此時系數α1測度了數字化轉型對商業銀行風險承擔的邊際沖擊。

2.變量、樣本與數據說明

在分析數字化轉型對商業銀行風險承擔影響時，一個關鍵問題是該如何測度商業銀行業務數字化程度，Lapavitsas amp; Santos［9］直接使用了商業銀行移動端存貸款業務比重、銀行虛擬化交易份額等指標進行測度，但由于我國相關數據的缺失，國內研究或者直接使用商業銀行互聯網金融業務規模、移動終端普及率、電子銀行及手機銀行用戶規模等作為代理變量［18］，或者基于文本挖掘技術和銀行公開報告的“數字化”關鍵詞詞頻構建金融科技發展指數［6］。這實際假定商業銀行數字化轉型程度并不受到地區異質性的影響。實際上商業銀行在具體城市與地區的數字化應用水平高度依賴于本地區業務客戶的數字化需求，這使得商業銀行會根據具體需求程度調整線上與線下、柜面與離柜交易的資源配置結構。使用前述指標作為商業銀行數字化轉型程度的代理變量，會顯著高估跨域經營銀行在一些落后地區的數字化應用能力，進而導致自選擇偏誤的出現。

朱詩怡和晏景瑞［14］使用中國數字普惠金融地區指數衡量商業銀行數字化轉型程度，既實現了對數字化應用地區間差異的識別，又基于普惠金融指數源自螞蟻金服數字金融業務這一特征，解決了使用互聯網指數衡量較大誤差問題。因此本文延續這一思路，使用地級市中國數字普惠金融指數作為地區數字化程度的代理變量進行后續的實證檢驗。

然而，使用地區金融科技指數需要解決的障礙是，如何進行銀行個體與地區個體的配對。Gabor amp; Brooks［20］直接對銀行數據進行了整合，即在每個地級市層面上將所有銀行數據進行加總（平均）處理，構成地區-商業銀行整體的樣本匹配結構，但這一思路明顯掩蓋了不同規模、業務結構與屬性銀行間異質性，最終的風險承擔沖擊也蛻變為地區金融風險。為了規避這一“維度詛咒”問題，本文進行了如下處理：首先剔除了我國5大國有銀行、12家股份制商業銀行與郵政儲蓄銀行樣本①①剔除工農建交中、郵政與招商、民生等股份制銀行的理由是，上述銀行在全國范圍內開展金融業務，在總行垂直業務管理模式下，很難相信上述銀行在不同城市的金融科技能力與數字化水平會根據不同地區金融科技水平出現調整。 ，并對剩余的134家城市商業銀行按照銀行名稱中是否包含地級城市名稱進行索引，實現城商行與地級城市間的一一配對，最終得到96個地級市的96家城市商業銀行作為本文銀行樣本②②在城市-銀行配對中，若存在多家城商行注冊地為同一地級市，則僅僅保留總資產規模最小的城商行，如蘭州配對銀行選擇蘭州銀行，剔除甘肅銀行，南京配對南京銀行，剔除江蘇銀行。選擇最小資產規模銀行的理由是，較大資產可能導致商業銀行業務外擴，從而導致城市金融科技指數與銀行數字化能力間的偏離。。

被解釋變量商業銀行風險承擔變量riskit，現有研究更多地使用存貸比或Z值折算的破產概率來衡量③③為了保證商業銀行風險承擔測度不因作者主觀選擇而產生偏差，后文的穩健性檢驗中本文也使用Z值進行了回歸。 ，但我國商業銀行存在典型的政府隱性擔保④④地方城市商業銀行由于國資參股也表現出事實上的國有產權特征，特別是我國地方商業銀行頻繁存在政府注資以充實資本金的現象，導致我國各級商業銀行普遍表現出“大而不倒”。，很難出現破產清算。因此參考李淑萍和徐英杰［18］的研究，本文使用信貸不良率lorskit與收入波動性incskit共同衡量城市商業銀行在信用及經營穩定性維度上的個體風險承擔，具體的，本文使用城商行每個會計年度不良貸款總額/貸款總額測度lorskit，并使用城商行資產收益率ROA的標準差衡量incskit。

解釋變量方面，在城商行個體與地級市個體實現一一配對的前提下，城商行數字化轉型程度變量，本文使用北京大學基于支付寶交易賬戶數據編制的地級市層級的中國數字普惠金融指數測算。具體地，中國數字普惠金融指數構成包括支付寶交易的廣度（覆蓋人群）與深度（交易頻率），且基于交易類型涵蓋了支付、貨幣基金、信貸、保險、投資、信用等多個方面，考慮到金融科技普惠性與商業銀行數字化能力間的關聯特征，本文直接使用普惠金融指數中城市覆蓋廣度作為金融科技finit的代理變量①①中國數字普惠金融指數中覆蓋廣度指標包括支付寶賬戶比例（每萬人擁有支付寶賬戶數量）、支付寶綁卡用戶比例與每個支付寶綁定銀行卡數量，本文對這三個指標進行了［0，1］區間標準化處理，并計算三個指標的算數平均，作為最終的地區金融科技測度指數。 。

在控制變量方面，與城商行風險承擔相關的銀行個體特征變量，本文選擇了銀行資產規模sizeit、資本充足率carit、中間業務收入占比becapit三個控制變量，其中資產規模使用城商行凈資產總額對數值測算，資本充足率直接取自城商行年報，中間業務收入占比則使用中間業務總收入/銀行總收入進行計算。

城市特征變量，本文選擇了經濟發展水平indgdpit（城市人均GDP）、金融深化程度finindit（貸款總額占GDP比重）以及國有銀行金融市場壟斷程度bankcapit（五大國有銀行信貸總額/城商行所屬省份信貸總額）作為變量，同時考慮到本文實證樣本期恰處于利率市場化改革進程中，會對商業銀行間競爭行為、利率定價及業務結構形成較大沖擊，模型（1）還控制了年度效應以剝離外部經營環境突變及相關制度性沖擊的影響。

本文所使用的數據中，城商行個體數據源自Banksope數據庫，中國數字普惠金融指數源自北京大學數字金融研究中心，城市維度數據則全部來自國家統計局與歷年《中國城市統計年鑒》。最終時序期依據數字普惠金融指數發布時點確定為2012—2022年。

下表1為各相關變量的測度方法及說明，表2則給出了相關變量的描述性統計量。

3.基準模型分析

模型（1）中，考慮到剔除了大量商業銀行樣本，使得城市-銀行實現了一一配對，因此使用固定效應變截距模型進行最終估計①①本文進行了Hausman檢驗，檢驗結果支持固定效應模型。，同時考慮到引入了風險承擔滯后期變量，因此采用動態廣義矩估計方法（DGMM）完成模型（1）動態面板的估計，兩種城商行風險承擔測度指標下的模型估計結果一并報告于表3。

根據表3估計結果可知，無論是以不良信貸率衡量的信用風險，還是用資產收益率標準差衡量的經營穩定性風險，均與商業銀行數字化轉型的代理變量顯著正相關，說明數字化轉型會提升銀行風險承擔水平，并最終導致銀行風險的持續積累。這與陳加才［17］、李淑萍和徐英杰［18］的結論一致。金融科技的發展特別是互聯網金融的興起，拓展了社會個體通過基金、理財獲取投資性收益的渠道，零售型存款的流失強化了商業銀行對銀行間同業拆借的依賴，新的理財市場競爭的出現與競爭加劇，在利率定價完全自由化背景下，會對商業銀行形成“收益過度承諾”的主動性風險承擔激勵，在增加了商業銀行融資成本的同時，形成了較強的成本沖擊效應進而導致了風險的持續積累。

此外，與汪可等［11］的結論不同，本文的實證結論證實，商業銀行數字化轉型對風險承擔的影響僅僅在收入波動性風險上存在邊際遞增效應，對不良率并無加速效應。一個可能的解釋是，城市商業銀行信貸不良率的形成更多地與銀行信貸激進程度、授信管理能力等因素相關，與融資環節關系較弱，而收入波動性則高度依賴于商業銀行負債結構與資產結構的變化，這意味著商業銀行的信貸行為缺乏通過高風險資產配置調整釋放成本壓力的能力，其信貸行為更多地與銀行間在信貸市場的競爭行為相關，最終導致信貸不良率并未隨著融資成本的增加而顯著加速，但由于同業拆借市場利率定價的高競爭性與完全自由化，商業銀行數字化轉型及對銀行間業務的依賴強化，會形成商業銀行收入波動共振現象，從而導致金融科技與數字化轉型在波動性風險上呈現出加速效應。

此外，finit×sizeit對商業銀行不良性風險與收入波動風險均存在顯著正向影響說明，大銀行相對于小銀行，確實表現出更低的風險承擔意愿，也較少地受到金融科技與業務轉型的風險沖擊，這種抗沖擊性既是業務結構相對完整、市場競爭能力較強從而能夠向下游釋放成本壓力的一個結果，也可能與大銀行存款成本偏低、隱性聲譽保證允許銀行在理財市場能夠以較低的收益承諾捕獲客戶有關，而資產規模偏小的城市商業銀行，更偏好于使用溢價工具進行客戶競爭，從而表現出“冒險”傾向，其在未來理應成為央行業務規范管理與風險監管的重點。

4.影響機制分析：負債成本效應與信貸選擇效應

商業銀行的數字化轉型，是基于何種路徑對銀行風險承擔產生影響？少數的幾篇研究對此的關注集中于下述兩個機制：一是負債端的融資成本渠道，Eraker amp; Ready［21］認為，數字化轉型對商業銀行風險積累的影響可能更多地表現在，商業銀行為增強非存款市場的資金吸納，主動或被動地以高收益承諾增強吸引力，這種融資成本的增加會造成銀行負債與資產端供需利差的收窄，從而形成持續性風險積累。謝治春等［5］也認為，雖然我國利率市場化改革基本完成，但由于相對嚴苛的存款準備金制度、存款利率依然存在適度管制，這使得商業銀行并不會因為高企的融資成本而收縮批發性融資的規模，而是更多地基于風險資產配置結構的調整即更多地投資于高風險項目來對沖成本。二是信貸選擇渠道，沈悅和郭品［12］研究發現，數字化應用與銀行業務的大數據分析能力改善，實際上為商業銀行針對信貸客戶進行差別化定價提供了充分的空間，外部資產數據、信用數據可獲性的增強，提升了商業銀行信貸客戶信用評估與管理能力，這使得商業銀行從傳統的“信貸風險規避者”開始有能力基于信用分層實現信貸風險溢價，這會顯著增加低信用資質客戶獲取信貸的概率，但這也同時意味著信貸違約風險的上升。

有鑒于此，本文進一步借助中介效應模型從成本沖擊效應與信貸選擇效應兩個渠道識別數字化轉型對風險承擔的內在影響機制。

為了衡量成本沖擊效應，本文施加如下假設①①施加這一假設還有一個重要原因，在現有統計數據中，缺乏衡量個體銀行存款與同業拆借資金的結構性數據。，即不同城市商業銀行具有無差異化的存款融資成本，成本差異主要體現在非存款的銀行間市場融資，且由于銀行間同業拆借市場相對完善，不存在地區溢價，因此商業銀行非存款融資成本直接取決于銀行間同業拆借規模水平。由此本文使用商業銀行銀行間市場凈負債/總資產衡量銀行非存款性融資成本capcostit，并以此作為反映商業銀行非存款類融資成本的代理變量，在實際計算時，銀行間市場凈負債為同業負債總額減去同業資產總額。

而對信貸選擇效應，本文則使用各城市商業銀行信貸余額中中小企業貸款余額（含固定資產融資與流動性融資）占比間接測算商業銀行信貸選擇程度choscumit，其隱含的邏輯是，隨著商業銀行金融科技能力與數字化分析能力的改善，銀行信貸客戶信用管理效率與貸后跟蹤能力的提升會激勵商業銀行向傳統意義上“低信用、低抵押資產”的中小企業傾斜，并通過差別化定價機制的引入謀求更高的信貸風險收益。

在中介機制的識別上，本文首先識別數字化轉型變量finit與中介變量capcostit及choscumit間的因果效應，當因果效應存在時，進一步將中介變量引入模型（1），并通過不同變量間邊際影響強度的變化識別完全（部分）中介效應的存在性。

本文首先分別以capcostit及choscumit為被解釋變量，考察數字化轉型指數finit對其的影響，并引入了與模型（1）完全相同的銀行個體特征變量及城市特征變量，估計結果詳見表4。

根據表4所示，銀行數字化轉型程度與不同中介變量間的關系存在典型差異化，從結果看，數字化轉型確實顯著增加了城市商業銀行在銀行間市場進行批發性融資的成本，且隨著創新型金融衍生品的豐富及民眾影子銀行投資渠道的增加，商業銀行基于理財、基金投資代理等銀行間業務的資本吸納成本將進一步增加，“高收益承諾”將會在未來一段時間內成為商業銀行獲取非存款渠道資金的主要方式，而這也必然導致商業銀行批發性融資成本的進一步高企。

數字化轉型并不顯著地改變商業銀行信貸選擇行為，這意味著即使商業銀行試圖平滑融資成本的增加，更多的也只是通過風險資產配置調整，即投資更多高風險資產而非放松信貸條件的方式來實現。本質上，數字化轉型與交易虛擬化雖然有利于信貸客戶軟信息的“硬化”，但商業銀行依然表現出典型的“惜貸”特征，即使互聯網金融等體外信貸市場的活躍形成了銀行信貸業務的競爭性關系，但考慮到互聯網金融的客戶主體是傳統信貸市場很少覆蓋的“長尾”客戶，此時數字化轉型特別是互聯網金融的存在，實際上成為傳統信貸市場的補充者而非競爭者。

進一步地，本文將融資成本代理變量引入模型（1），實現對融資成本中介機制的檢驗，最終的估計結果詳見表5所示。

比較表3與表4的估計結果可知，商業銀行對批發性融資的依賴以及由此衡量的銀行間融資成本水平，確實成為銀行數字化轉型沖擊風險承擔的部分中介變量。其中capcostit對商業銀行信用風險的中介效應達到64.29%，對收入波動性風險的中介效應也達到24.64%①①具體的中介效應強度水平，本文依據表2與表4中finit影響的相對變化水平計算得到。，也就是說數字化轉型對銀行信用風險的影響有接近七成是基于融資成本提高導致的成本沖擊效應而形成，對收入波動及經營穩定性風險的影響也有接近1/4是成本沖擊所引致。

總體上看，金融與科技的深度結合是商業銀行普遍的數字化轉型趨勢。雖然通過銀行傳統業務再造、虛擬化場景應用與云計算、大數據分析降低了客戶服務成本，提升了經營管理效率，激勵了金融創新與輕資產化發展，但影子銀行的發展也形成了新的銀行間業務的競爭性市場。零售型存款的流失及理財等金融品規模的增長，使得商業銀行開始逐步重視銀行間同業拆借型融資，批發性融資占比的增加與利率的競爭性溢價，將使得商業銀行整體的融資成本出現上升，而這種成本沖擊效應，是數字化轉型在提升管理效率的同時銀行風險承擔水平仍舊上升的核心力量。

同時，從商業銀行針對融資成本沖擊的應對看，當前商業銀行的成本對沖策略集中于對資產端風險配置比重的調整上，即試圖通過更高風險資產的持有形成利潤補償與成本平滑，而信貸市場并不會在成本沖擊下產生扭曲的信貸選擇激勵，即商業銀行信貸市場風險管理依然秉持“審慎”原則進行，并未表現出為謀求更高信貸收益而放大風險的行動。

5.穩健性檢驗

為保證實證結論的客觀性，本文進行了如下穩健性檢驗：一是使用Z值作為城市商業銀行風險承擔的代理變量并對其進行了估計；二是使用數字普惠金融指數中支付寶人均交易頻率指標替代覆蓋廣度指標衡量finit；三是使用商業銀行經營費用率替代銀行間融資比重測度capcostit。三種穩健性檢驗的結果一并報告于表6中。

根據表6，無論是替換商業銀行風險承擔測度指標還是替換數字金融普惠指數又或者使用經營費用率作為商業銀行非零售型存款融資成本的測度，基準模型中關鍵變量的參數顯著性與符號均未發生大的改變，且成本沖擊的中介效應依然顯著成立，說明估計結果通過了穩健性檢驗。

三、結論與啟示

數字“賦能”與科技生態是實現經濟高質量發展的關鍵，商業銀行的數字化轉型在提升商業銀行服務能力、全業務協同管理效率的同時，也使得銀行業務關聯性明顯提高，競爭加劇并放大了風險溢出的可能。銀行數字化轉型是否會通過金融創新形成新的風險積累？已有研究對此問題的分析偏重信貸市場而忽視了融資市場的影響，也缺乏對商業銀行數字化程度地區差異的充分控制。為此，本文使用93家區域性城市商業銀行2012—2022年面板數據，基于城市聚類在實現對商業銀行數字化轉型程度的精準度量基礎上，檢驗了商業銀行數字化轉型對風險承擔水平的影響，并從“融”與“貸”兩個維度，檢驗了商業銀行數字化轉型對風險承擔影響的成本沖擊效應與信貸選擇效應。結論如下：

1.商業銀行數字化轉型，會顯著增加商業銀行信貸不良率與收入波動性，表明數字化轉型會導致銀行風險的持續積累，同時數字化轉型還對銀行收入經營穩定性具有風險加速特征，且這一結論在經過穩健性檢驗后依然成立。

2.與已有研究發現數字化轉型導致的信貸擴張與下沉是導致風險承擔水平上升的結論不同，本文證實商業銀行數字化轉型對風險承擔的影響主要通過成本沖擊效應來實現，而信貸選擇效應并不顯著，這意味著商業銀行數字化轉型所形成的風險積累，實際源自“融”而非“貸”，是由于商業銀行在同業拆借市場的資本吸納競爭及融資成本增加而形成。商業銀行缺乏通過信貸溢價釋放負債成本壓力的能力，由此造成負債成本的增加無法形成外部釋放，進而導致成本固化最終提升了風險承擔水平。這也意味著銀行數字化轉型并未催生信貸選擇的出現，“審慎”原則依然是商業銀行信貸業務的主旋律。總體上，數字化轉型對信用風險沖擊有64.29%是通過成本沖擊效應而釋放，波動性風險中成本沖擊效應的作用為24.64%。

本文的政策啟示包括：

1.規范融資市場，緩解惡性競爭。“融”成為銀行風險積累的源，表明未來商業銀行的風險監管，更多地應該集中在銀行存款市場的競爭管理以及銀行間拆借市場的規范性管理上，特別是銀行存款表外吸納行為的規范性管理上。因此應進一步完善商業銀行同業拆借市場的信息披露制度與重大事項申報制度，強化表外存款業務的流動性監測，建立銀保監會與商業銀行間信息共享平臺，實現銀行資金的實時監控，這是切斷數字化轉型加速風險積累的“逐本之道”。

2.提升信貸市場管理能力，有效釋放成本壓力。商業銀行數字化轉型之所以提升風險承擔水平，根源在于商業銀行無法通過信貸市場的高風險資產配置行為釋放成本壓力，因此在“逐本”的同時應理順商業銀行的“拓源”之路，進一步提升數字化信貸管理系統對信貸客戶軟信息的捕捉與處理能力，通過客戶資產的數字化管理，完善現有的授信審核制度，改變“壘大戶”的僵化授信模式，進一步強化數字化技術在貸前、貸中管理的應用，提升信貸管理數字跟蹤、數字監管的效率，進而通過信貸選擇的有機調整有效釋放融資成本壓力。

參考文獻：

［1］Wilson J. P.， Campbell L.， Financial Functional Analysis： A Conceptual Framework for Understanding the Changing Financial System［J］. Journal of Economic Methodology， 2016，23： 1～19.

［2］巴曙松，白海峰.金融科技的發展歷程與核心技術應用場景探索［J］.清華金融評論，2016 （11）：99～103.

［3］孫繼國，許玉蘭.數字化轉型對商業銀行穩定性的影響——基于運營成本與運營效率的視角［J］.農村金融研究，2023（12）：20～30.

［4］楊文，李想，楊成明. 金融衍生品創新：危機管理的新思路［J］.當代財經，2019（5）：53～62.

［5］謝治春，趙新廬，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）：184～196.

［6］馬亞明，馬麗敏，于博. 數字化轉型能夠降低銀行信用風險嗎——基于交疊DID模型的實證檢驗［J］. 現代財經，2024（3）：2～18.

［7］桂荷發，鄧茹莎.商業銀行數字化轉型提升了中小企業信貸可得性嗎［J］.江西財經大學學報，2024（1）：25～36.

［8］孫繼國.金融科技、主業投資與企業影子銀行化［J］.中南財經政法大學學報，2023（6）：66～75.

［9］Lapavitsas C.， Santos P. L. D. Globalization and Contemporary Banking： On the Impact of New Technology［J］. Contributions to Political Economy，2008， 27（1）.31～56.

［10］Ariss，R.T. On the Implications of Market Power in Banking： Evidence from Developing Countries［J］. Journalof Banking ＆ Finance，2010，34（ 4）：765～778．

［11］吳非，丁子家，車德欣.金融科技、市場化程度與企業數字化轉型［J］.證券市場導報，2023（11）：15～31.

［12］林曦，王仁曾.金融科技對金融市場復雜性的影響研究——基于系統性金融風險視角［J］.證券市場導報，2023（10）：68～79.

［13］李子豪，王倩倩.數字經濟發展能否改善地區銀行業風險［J］.財經論叢，2023（12）：47～56.

［14］朱詩怡，晏景瑞.金融科技對銀行風險承擔的“雙刃劍”影響——基于宏觀審慎監管的調節作用［J］.當代經濟管理，2024（10）：1～14.

［15］Hauswald R.， Marquez R. Competition and Strategic Information Acquisition in Credit Markets”［J］.Review of Financial Studies，2006（19）：967～1000．

［16］Stoica O.， Mehdian S.， Sargu A.“The Impact of Internet Banking on the Performance of Romanian Banks： DEA and PCA Approach［J］. Procedia Economics and Finance， 2015（1）：610～622.

［17］陳加才. 互聯網金融對商業銀行風險承擔的影響研究——基于16家上市銀行數據的實證［J］.經濟研究導刊，2019（27）：15～22.

［18］李淑萍，徐英杰. 互聯網金融、系統重要性與商業銀行風險承擔 ［J］.宏觀經濟研究，2020（12）：38～46.

［19］王升，李亞，郜如明. 互聯網金融對商業銀行風險承擔的影響研究——基于中國30家商業銀行的實證分析［J］.金融發展研究，2021（1）：56～62.

［20］Gabor D.， Brooks S.The Digital Revolution in Financial Inclusion： International Development in the Fintech Era［J］.New Political Economy， 2017（22）：423～436.

［21］Eraker B， Ready M J. Do Investors Overpay for Stocks with Lottery-Like Payoffs？ An Examination of the Returns on OTC Stocks［J］. Journal of Financial Economics， 2014， 115（3）：86～504.

How the digital transformation of commercial banks affects risk-taking： -Analysis based on debt cost and credit selection behavior

Abstract：

Regarding the research on how the digital transformation of commercial banks affects their risk-taking level， existing literature mostly focuses on the technological changes and credit model adjustments in the credit market under digital scenarios， ignoring the impact of the bank financing market. In contrast， this article uses urban clustering of commercial banks and the regional digital inclusive finance index as a proxy variable for the degree of digital transformation of regional commercial banks. Using panel data from urban commercial banks from 2012 to 2022， this article analyzes the impact and mechanism of digital transformation of commercial banks on risk taking from the dimensions of \"financing\" and \"lending\". The empirical conclusion shows that the digital transformation of commercial banks has significantly increased their risk-taking level， manifested as a joint increase in credit risk （non-performing loan ratio） and operational stability risk （income volatility）. Mechanism analysis shows that the risk accumulation of digital transformation is achieved through cost shock effects， while the credit selection effect is not significant， which indicates that the risk accumulation formed by commercial banks' digital transformation actually originates from \"financing\" rather than \"lending\". Commercial banks lack the ability to release debt cost pressure through credit premiums， leading to an increase in debt costs and ultimately resulting in risk accumulation. This conclusion can provide insights for commercial banks to more accurately select business entry points for risk control and management.

Key words：

digital transformation; risk taking; cost shock effect; credit selection effect