數(shù)字化轉(zhuǎn)型如何賦能商業(yè)銀行風(fēng)險管理

摘" "要：本文構(gòu)建中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)，借助2014—2020年204家商業(yè)銀行的年度非平衡面板數(shù)據(jù)，研究數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用及其機制，并進一步探討數(shù)字賦能商業(yè)銀行風(fēng)險管理的結(jié)構(gòu)性差異。結(jié)果表明：數(shù)字化轉(zhuǎn)型有助于商業(yè)銀行增強風(fēng)險管理能力，從數(shù)字化轉(zhuǎn)型結(jié)構(gòu)看，商業(yè)銀行在戰(zhàn)略、組織、客戶、產(chǎn)品、技術(shù)方面的數(shù)字化變革均有助于增強風(fēng)險管理能力，且該結(jié)論在一系列穩(wěn)健性和內(nèi)生性檢驗下均保持穩(wěn)健。機制分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型主要通過增強商業(yè)銀行風(fēng)險識別、分散、緩沖能力以及提升商業(yè)銀行風(fēng)險管理效率的渠道，對商業(yè)銀行風(fēng)險管理產(chǎn)生賦能作用。進一步研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能質(zhì)效在不同規(guī)模商業(yè)銀行中存在“馬太效應(yīng)”，大型商業(yè)銀行能夠借助數(shù)字技術(shù)有效增強自身風(fēng)險識別、分散、緩沖能力和提高風(fēng)險管理效率；而對于廣大中小型商業(yè)銀行，數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用并不顯著，轉(zhuǎn)型潛力未得到充分釋放，這提醒我們需重點關(guān)注數(shù)字賦能質(zhì)效的結(jié)構(gòu)性差異。

關(guān)鍵詞：金融科技；數(shù)字化轉(zhuǎn)型；風(fēng)險管理；“馬太效應(yīng)”

中圖分類號：F832.2" "文獻標(biāo)識碼：A" 文章編號：1674-2265（2024）10-0036-14

DOI：10.19647/j.cnki.37-1462/f.2024.10.004

一、引言

2023年中央金融工作會議明確提出，要做好數(shù)字金融大文章。數(shù)字技術(shù)與傳統(tǒng)金融行業(yè)融合，為實體經(jīng)濟創(chuàng)造了更多元化的服務(wù)方式，是推動金融強國建設(shè)的重要途徑，對于增強金融服務(wù)普惠性、推動包容增長、促進創(chuàng)業(yè)創(chuàng)新，進而助推經(jīng)濟高質(zhì)量發(fā)展具有重要現(xiàn)實意義。商業(yè)銀行作為金融體系最核心的組成部分，是提供高質(zhì)量數(shù)字金融服務(wù)的主導(dǎo)力量。隨著金融科技的興起與蓬勃發(fā)展，各類型商業(yè)銀行均加速尋求數(shù)字賦能，為科學(xué)引導(dǎo)銀行業(yè)數(shù)字化轉(zhuǎn)型，國家有關(guān)部門先后出臺《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》《金融科技發(fā)展規(guī)劃（2022—2025年）》《關(guān)于銀行業(yè)保險業(yè)數(shù)字化轉(zhuǎn)型的指導(dǎo)意見》（以下稱《指導(dǎo)意見》）等綱領(lǐng)性文件。

部分業(yè)內(nèi)專家指出，當(dāng)前中國銀行業(yè)數(shù)字化轉(zhuǎn)型仍存在發(fā)展上的不平衡性，各類型銀行數(shù)字化轉(zhuǎn)型呈現(xiàn)出強者恒強、弱者越來越弱的“馬太效應(yīng)”。部分大型商業(yè)銀行憑借在行業(yè)內(nèi)的主導(dǎo)地位，大力推進技術(shù)、架構(gòu)、服務(wù)等方面的轉(zhuǎn)型實踐，數(shù)字化的經(jīng)濟效益日益顯現(xiàn)。而部分中小型商業(yè)銀行受各類復(fù)雜因素制約，難尋破局路徑。尤其是隨著時間推移，這種差距呈現(xiàn)進一步拉大的趨勢。這提示我們要合理看待數(shù)字化對商業(yè)銀行經(jīng)營的影響，尤其要關(guān)注數(shù)字賦能質(zhì)效的結(jié)構(gòu)性差異及其背后邏輯，以便科學(xué)引導(dǎo)不同類型商業(yè)銀行充分發(fā)揮數(shù)字金融的經(jīng)濟效果。

在既有研究的基礎(chǔ)上，本文構(gòu)建中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)，從風(fēng)險管理的視角切入，就數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用及其機制進行系統(tǒng)性分析，并進一步拓展研究數(shù)字賦能質(zhì)效的結(jié)構(gòu)性差異，關(guān)注數(shù)字化對商業(yè)銀行風(fēng)險管理的影響是否存在“馬太效應(yīng)”。本文的創(chuàng)新之處在于：第一，構(gòu)建更全面、系統(tǒng)、科學(xué)的數(shù)字化轉(zhuǎn)型度量指標(biāo)。以原銀保監(jiān)會下發(fā)的《指導(dǎo)意見》為主要依據(jù)，結(jié)合我國商業(yè)銀行數(shù)字化轉(zhuǎn)型實踐，將商業(yè)銀行數(shù)字化轉(zhuǎn)型界定為戰(zhàn)略、組織、客戶、產(chǎn)品和技術(shù)五個層面，通過構(gòu)建綜合指數(shù)對中國商業(yè)銀行數(shù)字化轉(zhuǎn)型表現(xiàn)予以測度。第二，借助構(gòu)建的數(shù)字化轉(zhuǎn)型綜合指數(shù)，從內(nèi)部數(shù)字化的視角出發(fā)，系統(tǒng)探究商業(yè)銀行自身數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用及其機制，能夠更加客觀、準(zhǔn)確地反映商業(yè)銀行數(shù)字化變革的系統(tǒng)性影響。第三，進一步考察數(shù)字賦能商業(yè)銀行質(zhì)效是否存在“馬太效應(yīng)”，在驗證其存在性的基礎(chǔ)上，對該種結(jié)構(gòu)性差異的產(chǎn)生機理進行理論和實證分析。

上述問題的厘清有助于正確認(rèn)識和理解數(shù)字賦能商業(yè)銀行的經(jīng)濟效果，為商業(yè)銀行自身數(shù)字化轉(zhuǎn)型的決策、實施和管理提供理論支撐，同時為相關(guān)部門合理規(guī)范和引導(dǎo)銀行業(yè)數(shù)字化轉(zhuǎn)型提供理論依據(jù)，對在更大程度上激發(fā)和釋放數(shù)字金融潛能、助推金融強國建設(shè)具有重要的現(xiàn)實指導(dǎo)意義。

二、理論基礎(chǔ)與假設(shè)提出

（一）文獻綜述

當(dāng)問題聚焦于數(shù)字化對商業(yè)銀行風(fēng)險管理的影響效應(yīng)時，現(xiàn)有研究主要從總體視角出發(fā)，探究互聯(lián)網(wǎng)金融或金融科技對傳統(tǒng)銀行業(yè)的影響，由于所選取代理變量的不同，結(jié)論也存在分歧。許多研究支持金融科技的“外部競爭效應(yīng)”。例如，邱晗等（2018）[1]、郭品和沈悅（2019）[2]、Wang等（2021）[3]和Zhao等（2022）[4]分別以北京大學(xué)數(shù)字普惠金融指數(shù)、對百度搜索引擎的文本挖掘、金融科技相關(guān)信息的媒體關(guān)注度以及地區(qū)金融科技企業(yè)數(shù)量刻畫金融科技發(fā)展水平，探究金融科技對傳統(tǒng)銀行業(yè)的影響，研究結(jié)論均表明金融科技將會通過惡化商業(yè)銀行存款結(jié)構(gòu)提高商業(yè)銀行風(fēng)險偏好，加劇其整體風(fēng)險承擔(dān)。顧海峰和楊立翔（2018）[5]進一步研究表明，資本充足水平越高的商業(yè)銀行，其風(fēng)險承擔(dān)受互聯(lián)網(wǎng)沖擊的影響越明顯。也有學(xué)者基于“技術(shù)溢出”視角展開研究。例如，高昊宇等（2022）[6]借助地區(qū)專利相關(guān)信息量化地區(qū)金融科技發(fā)展水平，研究認(rèn)為金融科技能夠通過緩解信息不對稱、拓展業(yè)務(wù)邊界和提高風(fēng)險應(yīng)對能力賦能商業(yè)銀行降低風(fēng)險水平。

少量研究從商業(yè)銀行自身數(shù)字化布局的視角探討內(nèi)部數(shù)字化對風(fēng)險的影響。例如，Pérez-Martín等（2018）[7]借助Monte Carlo模擬法比較不同算法的預(yù)測能力，證實大數(shù)據(jù)技術(shù)有助于商業(yè)銀行提取有價值的數(shù)據(jù)信息，從而降低潛在信用風(fēng)險。Cheng和Qu（2020）[8]通過對百度新聞中數(shù)字技術(shù)相關(guān)關(guān)鍵詞的文本挖掘，構(gòu)建商業(yè)銀行個體維度的金融科技指標(biāo)，研究發(fā)現(xiàn)商業(yè)銀行金融科技賦能商業(yè)銀行降低風(fēng)險，但其研究僅檢驗了二者之間的基本關(guān)系，未對中介機制進行深入探究。郭曄等（2022）[9]以商業(yè)銀行與第三方科技公司開展戰(zhàn)略合作的數(shù)量衡量商業(yè)銀行金融科技布局情況，研究發(fā)現(xiàn)布局金融科技能夠通過提高商業(yè)銀行創(chuàng)新能力和市場競爭力降低信貸風(fēng)險。呂之安等（2022）[10]基于上市商業(yè)銀行與第三方互聯(lián)網(wǎng)平臺開展合作存款的視角，發(fā)現(xiàn)這一業(yè)務(wù)有助于增強商業(yè)銀行主動風(fēng)險承擔(dān)，促進商業(yè)銀行加權(quán)風(fēng)險資產(chǎn)擴張。蔣海等（2023）[11]通過對上市商業(yè)銀行年報中與數(shù)字化“底層技術(shù)”與“實踐應(yīng)用”相關(guān)關(guān)鍵詞的文本分析和詞頻統(tǒng)計，衡量上市商業(yè)銀行數(shù)字化轉(zhuǎn)型水平，研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型有助于通過減少管理成本、提高經(jīng)營效率降低商業(yè)銀行風(fēng)險。

總的來說，既有研究為理解數(shù)字化轉(zhuǎn)型如何賦能商業(yè)銀行風(fēng)險管理提供了有益參考，但仍存在一些不足：第一，大部分文獻探究的是地區(qū)總體互聯(lián)網(wǎng)金融或金融科技發(fā)展水平對商業(yè)銀行風(fēng)險承擔(dān)的泛化影響，意在考察商業(yè)銀行外部第三方金融科技興起對傳統(tǒng)商業(yè)銀行經(jīng)營的影響效應(yīng)。第二，基于商業(yè)銀行內(nèi)部數(shù)字化經(jīng)濟效應(yīng)的少量研究普遍使用單一指標(biāo)（如對外技術(shù)合作數(shù)量、年報中數(shù)字技術(shù)關(guān)鍵詞詞頻），只關(guān)注商業(yè)銀行某個維度的數(shù)字化如何賦能風(fēng)險管理，不僅指標(biāo)本身所含數(shù)字化信息更側(cè)重于商業(yè)銀行主觀轉(zhuǎn)型意愿，難以衡量其真實數(shù)字化投入和客觀轉(zhuǎn)型成果，也忽略了數(shù)字化轉(zhuǎn)型實際上是一個融合組織架構(gòu)、產(chǎn)品服務(wù)、業(yè)務(wù)流程等方面變革的系統(tǒng)性工程，所得結(jié)論不足以全面反映數(shù)字化綜合變革帶來的客觀經(jīng)濟效應(yīng)。樣本方面，基于對年報的文本挖掘量化數(shù)字化轉(zhuǎn)型的研究往往只局限于上市商業(yè)銀行，這類商業(yè)銀行普遍規(guī)模較大，或處于經(jīng)濟發(fā)達地區(qū)，所得結(jié)論不足以反映數(shù)字化轉(zhuǎn)型對廣大中小商業(yè)銀行的賦能質(zhì)效。第三，既有研究普遍只考察數(shù)字化與商業(yè)銀行風(fēng)險之間的基本關(guān)系，未能深入探討數(shù)字賦能商業(yè)銀行風(fēng)險管理的結(jié)構(gòu)性差異，忽視了當(dāng)前實務(wù)領(lǐng)域可能存在的“馬太效應(yīng)”。當(dāng)前不同規(guī)模商業(yè)銀行在謀求數(shù)字賦能的過程中出現(xiàn)明顯分化，大型商業(yè)銀行能夠有效借助數(shù)字技術(shù)實現(xiàn)經(jīng)營模式的升級，而廣大中小商業(yè)銀行則在探索數(shù)字化轉(zhuǎn)型路徑時阻力重重，轉(zhuǎn)型的賦能質(zhì)效未得到充分釋放。既有研究尚未對這一現(xiàn)象的存在性及其背后作用機制展開詳盡的理論與實證分析，這為本文的研究提供了空間。

（二）理論分析與研究假設(shè)

數(shù)字化轉(zhuǎn)型通過增強風(fēng)險識別能力賦能風(fēng)險管理。一方面，數(shù)字技術(shù)應(yīng)用有助于商業(yè)銀行實現(xiàn)數(shù)據(jù)擴容（Zhao等，2022）[4]。從數(shù)據(jù)來源上，轉(zhuǎn)型商業(yè)銀行能夠?qū)蛻粜畔⑦M行更深度的挖掘，可獲得數(shù)據(jù)不僅包括與客戶發(fā)生金融服務(wù)交互時產(chǎn)生的操作痕跡、生物數(shù)據(jù)等自有數(shù)據(jù)，以及稅務(wù)、社保、海關(guān)、公積金等相關(guān)政務(wù)數(shù)據(jù)，還可以通過與第三方科技公司合作實現(xiàn)數(shù)據(jù)嫁接（羅煜等，2022）[12]。從數(shù)據(jù)形式上，數(shù)字技術(shù)有助于增強商業(yè)銀行對非財務(wù)類軟數(shù)據(jù)的“硬化”能力，以及對文檔、圖片、音視頻等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的解析轉(zhuǎn)化能力（盛天翔和范從來，2020）[13]。豐富的數(shù)據(jù)為商業(yè)銀行風(fēng)險識別與管理奠定了基礎(chǔ)。另一方面，數(shù)字技術(shù)幫助商業(yè)銀行升級風(fēng)控識別模型。轉(zhuǎn)型商業(yè)銀行運用機器學(xué)習(xí)、深度學(xué)習(xí)等先進算法構(gòu)建更復(fù)雜的風(fēng)險量化模型和風(fēng)險特征指數(shù)，能夠精準(zhǔn)地捕捉變量間的交互關(guān)系，實現(xiàn)對客戶的全方位畫像，對客戶信用風(fēng)險進行多維度判斷（Gu等，2020）[14]。

數(shù)字化轉(zhuǎn)型通過強化風(fēng)險分散能力賦能風(fēng)險管理。傳統(tǒng)模式下，商業(yè)銀行為降低信息搜尋成本，傾向于主耕少數(shù)高凈值客戶市場，或選擇跟隨信息優(yōu)勢商業(yè)銀行的信貸決策，導(dǎo)致信貸投放形成“羊群效應(yīng)”，集中于某些重點行業(yè)（羅煜等，2022）[12]。得益于數(shù)字化轉(zhuǎn)型，商業(yè)銀行可依托手機銀行、微信銀行、網(wǎng)上銀行等線上渠道向客戶提供金融服務(wù)，促使商業(yè)銀行突破地域限制，在無需布局物理網(wǎng)點的條件下占領(lǐng)更多異地市場（李建軍和王德，2015；Svahn等，2017）[15，16]，由此加強貸款地區(qū)和行業(yè)的多樣化。根據(jù)Makvitz資產(chǎn)組合理論，貸款地區(qū)、行業(yè)多樣化有助于分散風(fēng)險，相反，在過度“壘大戶”的經(jīng)營模式下，一旦頭部大客戶資金償還能力出現(xiàn)問題，更容易形成不良貸款，導(dǎo)致系統(tǒng)性風(fēng)險的衍生和集聚（Giesecke和Weber，2004）[17]。同時客戶集中度過高時，客戶擁有較強的議價能力，可能利用優(yōu)勢談判權(quán)施壓，迫使商業(yè)銀行做出不利于自身利益的非理性決策，由此帶來經(jīng)營風(fēng)險（Piercy和Lane，2006；王雄元和高開娟，2017；陸岷峰，2023）[18-20]。

數(shù)字化轉(zhuǎn)型通過強化風(fēng)險緩沖能力賦能風(fēng)險管理。數(shù)字技術(shù)賦能商業(yè)銀行改善盈利能力。從成本端看，商業(yè)銀行使用“數(shù)字人”“機器人”等自動化設(shè)備替代人工，不僅能夠優(yōu)化業(yè)務(wù)流程，降低人工操作失誤，也有助于降低網(wǎng)點布局成本，改善工作效率。從收入端看，轉(zhuǎn)型商業(yè)銀行能夠?qū)蛻粜袨樘卣鬟M行精準(zhǔn)分析預(yù)測，并基于此向不同地區(qū)、不同收入水平以及不同風(fēng)險偏好的客戶提供個性化產(chǎn)品和服務(wù)，由此增加利潤來源。隨著盈利水平提升，商業(yè)銀行通過留存收益轉(zhuǎn)增資本金，能夠提升自身資本充足水平。根據(jù)風(fēng)險吸收理論（Coval和Thakor，2005）[21]，當(dāng)經(jīng)營環(huán)境惡化時，資本能夠發(fā)揮緩沖作用，吸收負(fù)面沖擊帶來的損失。

數(shù)字化轉(zhuǎn)型通過提升風(fēng)險管理效率賦能風(fēng)險管理。數(shù)字化轉(zhuǎn)型有助于打破商業(yè)銀行內(nèi)部的“數(shù)據(jù)孤島”，加強風(fēng)控各環(huán)節(jié)的邏輯勾連，暢通各模塊之間的信息溝通渠道，增強商業(yè)銀行內(nèi)部各業(yè)務(wù)條線的協(xié)作聯(lián)動，最終優(yōu)化風(fēng)控決策效率，提升風(fēng)控流程的規(guī)范性。不僅如此，傳統(tǒng)模式下，商業(yè)銀行風(fēng)險管理很大程度上依賴主觀人工經(jīng)驗決策（羅煜等，2020）[22]，尤其是對于依靠“軟信息”的關(guān)系型貸款，其風(fēng)險決策需要經(jīng)過較多層級，不僅決策和執(zhí)行效率低下，最終實現(xiàn)的風(fēng)控效果也難以保證（高昊宇等，2022）[6]。通過數(shù)字化轉(zhuǎn)型，商業(yè)銀行能夠建立自動化風(fēng)控機制，實現(xiàn)信貸風(fēng)險管理的集約化、標(biāo)準(zhǔn)化和批量化，從而縮短決策鏈條，壓縮人為操作和干預(yù)的空間。綜上，本文提出如下研究假設(shè)：

假設(shè)1：數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理，有助于商業(yè)銀行降低經(jīng)營風(fēng)險。

假設(shè)2：數(shù)字化轉(zhuǎn)型通過增強商業(yè)銀行風(fēng)險識別、分散、緩沖能力以及提高商業(yè)銀行風(fēng)險管理效率賦能商業(yè)銀行風(fēng)險管理。

在認(rèn)知層面，首先，數(shù)字化轉(zhuǎn)型雖長期利好，但短期內(nèi)對資金和人力的消耗較大，小型商業(yè)銀行普遍注重實際投入產(chǎn)出，在轉(zhuǎn)型過程中傾向于以短期成效作為評價標(biāo)準(zhǔn)，導(dǎo)致對長期創(chuàng)新能力的培育不足，由此阻礙數(shù)字化成效的顯現(xiàn)。其次，轉(zhuǎn)型是一項系統(tǒng)性綜合工程，并不僅僅意味著某項具體業(yè)務(wù)的升級改造。但目前許多小型商業(yè)銀行主要借助數(shù)字技術(shù)開發(fā)線上存貸款產(chǎn)品，簡單地將傳統(tǒng)業(yè)務(wù)由“線下”遷移至“線上”，未能有效地將數(shù)字賦能的范圍充分延展至全流程風(fēng)險管理。最后，小型商業(yè)銀行與大型商業(yè)銀行在定位上存在顯著差異，二者的轉(zhuǎn)型路徑也理應(yīng)有所差別。當(dāng)前一些小型商業(yè)銀行過度跟風(fēng)數(shù)字化熱點，為了轉(zhuǎn)型而轉(zhuǎn)型，盲目模仿金融科技公司和大型商業(yè)銀行的前沿技術(shù)，忽視了自身原本的業(yè)務(wù)特色，與既往業(yè)務(wù)模式形成沖突，產(chǎn)生更多衍生管理成本，對風(fēng)險管理能力形成進一步制約。

在組織方面，首先，小型商業(yè)銀行在組織架構(gòu)上普遍存在“強枝弱干”的特點，盡管部分商業(yè)銀行已在總行設(shè)立數(shù)字化轉(zhuǎn)型相關(guān)部門，但由于缺乏完善的管理機制，實踐中對轉(zhuǎn)型項目的賦能作用不足。其次，中小商業(yè)銀行往往缺乏完善的部門交叉決策機制，業(yè)務(wù)部門與中后臺技術(shù)部門難以進行高效溝通。因此，在風(fēng)控流程各個環(huán)節(jié)中，存在職責(zé)范圍界定不清、跨條線業(yè)務(wù)割裂等協(xié)同壁壘，不利于數(shù)據(jù)價值的充分釋放。最后，轉(zhuǎn)型潛力的釋放需要數(shù)字化領(lǐng)域?qū)＜业呐浜稀｀笥谄放朴绊懥Γ⌒蜕虡I(yè)銀行對于數(shù)字人才的吸引力不足，普遍面臨人才“獲取難”“留住難”等問題，數(shù)字人才結(jié)構(gòu)與轉(zhuǎn)型要求存在較大差距，由此進一步對數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用形成掣肘。

在技術(shù)層面，絕大部分中小型商業(yè)銀行缺乏數(shù)字資產(chǎn)意識，數(shù)據(jù)治理和標(biāo)準(zhǔn)化管理滯后，資源整合和價值挖掘缺乏專業(yè)性，技術(shù)開發(fā)和數(shù)據(jù)模型建設(shè)仍處于初期摸索階段。在內(nèi)部投入方面，轉(zhuǎn)型要求商業(yè)銀行在技術(shù)研發(fā)、數(shù)據(jù)治理、信息建設(shè)等方面付出大量成本，當(dāng)前許多小型商業(yè)銀行資產(chǎn)質(zhì)量較差，也難以通過市場化工具實現(xiàn)資本補充，因此，在資源約束下難以維持金融科技投入的高增長。此外，小型商業(yè)銀行在風(fēng)險管理方面普遍通過與外部合作的形式獲取決策支持，或直接將相關(guān)業(yè)務(wù)外包給第三方科技公司，在實現(xiàn)優(yōu)勢互補的同時，也致使自身過于依賴外部力量，面臨較大的合規(guī)風(fēng)險、欺詐風(fēng)險和數(shù)據(jù)風(fēng)險。

在產(chǎn)品和業(yè)務(wù)層面，基于“小銀行優(yōu)勢”理論（Berger和Udell，2002）[23]，中小型商業(yè)銀行在“關(guān)系型貸款”業(yè)務(wù)方面具備比較優(yōu)勢，線下網(wǎng)點服務(wù)是其主要特色，其服務(wù)對象具有區(qū)域性特征，往往以三農(nóng)、小微客戶為主。一方面，由于“數(shù)字鴻溝”的存在，這部分客群金融素養(yǎng)相對較差，對數(shù)字金融服務(wù)的接受度較低，可能會制約數(shù)字化轉(zhuǎn)型的成果轉(zhuǎn)化。另一方面，當(dāng)前大型商業(yè)銀行憑借自身技術(shù)優(yōu)勢，通過線上渠道下沉業(yè)務(wù)重心，不斷入侵小型商業(yè)銀行的優(yōu)勢業(yè)務(wù)領(lǐng)域。為享受更好的服務(wù)，部分優(yōu)質(zhì)項目可能從小型商業(yè)銀行流失，形成“掐尖現(xiàn)象”和“擠出效應(yīng)”，迫使小型商業(yè)銀行不得不進一步下沉市場，被動承擔(dān)更高的風(fēng)險。綜上，本文提出如下研究假設(shè)：

假設(shè)3：數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理存在“馬太效應(yīng)”，即相對小型商業(yè)銀行，數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用在大型商業(yè)銀行中更明顯，由此加劇兩類商業(yè)銀行的兩極分化。

三、研究設(shè)計

（一）模型設(shè)定

為考察數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用，本文建立如下基準(zhǔn)回歸模型：

[RISKbt=α+β×DTbt-1+γ×Controlsbt-1+θb+θt+εbt] " " " " " "（1）

其中，被解釋變量[RISKbt]表示商業(yè)銀行[b]在時期[t]的風(fēng)險水平，回歸中分別使用商業(yè)銀行不良貸款比率、Z值和貸款撥備率來衡量。核心解釋變量數(shù)字化轉(zhuǎn)型（DTbt-1）采用通過熵值法構(gòu)建的中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)作為代理變量，回歸分析中，本文在考察數(shù)字化轉(zhuǎn)型總指數(shù)影響的同時，也從數(shù)字化轉(zhuǎn)型子維度的角度出發(fā)，分別考察數(shù)字戰(zhàn)略、數(shù)字組織、數(shù)字客戶、數(shù)字產(chǎn)品和數(shù)字技術(shù)對商業(yè)銀行風(fēng)險的影響。[Controlsbt-1]是一系列控制變量。[α]是模型截距項，[θb]是商業(yè)銀行個體固定效應(yīng)，[θt]是年份固定效應(yīng)，[εbt]是隨機誤差項。為盡可能緩解反向因果問題帶來的內(nèi)生性干擾，等式右側(cè)核心解釋變量和控制變量均使用滯后一期項。方程（1）中系數(shù)[β]的符號和顯著性能夠反映數(shù)字化轉(zhuǎn)型對風(fēng)險水平的影響，是本文關(guān)注的重點。

為進一步就數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理的中介渠道進行檢驗，本文分別探究數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險識別能力、分散能力、緩沖能力和風(fēng)險管理效率的影響，構(gòu)建如下回歸模型：

[Mbt=α+δ×DTbt-1+γ×Controlsbt-1+θb+θt+εbt] （2）

其中，[Mbt]是中介變量，結(jié)合理論分析，分別從商業(yè)銀行風(fēng)險識別能力、風(fēng)險分散能力、風(fēng)險緩沖能力和商業(yè)銀行風(fēng)險管理效率四個方面選取指標(biāo)。

（二）主要變量說明

1. 被解釋變量：商業(yè)銀行風(fēng)險水平（RISK）。本文使用商業(yè)銀行不良貸款比率（NPL）、Z值（Z）和貸款撥備率（LLR）作為被解釋變量參與回歸分析，用以反映數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險水平的影響。其中，不良貸款比率等于商業(yè)銀行不良貸款與貸款總額的比值，值越大表示商業(yè)銀行因貸款違約面臨的風(fēng)險暴露越大（Zhu和Yang，2016）[24]。

參考Laeven和Levine（2009）[25]的研究，商業(yè)銀行Z值通過如下公式計算得到：

[Z-Score=（ROA+EA）/sd（ROA）]

其中，[ROA]為商業(yè)銀行總資產(chǎn)利潤率、[EA]為權(quán)益資本比，[sd（ROA）]為總資產(chǎn)利潤率的三年移動標(biāo)準(zhǔn)差。Z值同時將總資產(chǎn)利潤率及其波動性、資本資產(chǎn)比考慮在內(nèi)，綜合性強，能夠全面反映商業(yè)銀行盈利能力、收益波動性和財務(wù)杠桿率，被認(rèn)為是商業(yè)銀行破產(chǎn)風(fēng)險的有效代理指標(biāo)（Boyd和Graham，1986）[26]。具體來看，Z值越小代表商業(yè)銀行破產(chǎn)風(fēng)險越高。由于Z值具有尖峰厚尾的特征，往往是有偏的，因此，本文參考既有文獻的做法，對Z值取自然對數(shù)處理。

貸款撥備率是指貸款減值準(zhǔn)備與商業(yè)銀行貸款總額的比率，反映了商業(yè)銀行對不良貸款損失的預(yù)估和計提，能夠更準(zhǔn)確地體現(xiàn)商業(yè)銀行事前信用風(fēng)險。考慮到信用風(fēng)險仍是當(dāng)前中國銀行業(yè)面臨的主要風(fēng)險，使用上述指標(biāo)作為商業(yè)銀行風(fēng)險的代理變量兼具理論和現(xiàn)實有效性。

2. 核心解釋變量：數(shù)字化轉(zhuǎn)型（DT）。本文基于手動收集、實地調(diào)研的海量微觀數(shù)據(jù)，在充分參考既有數(shù)字化轉(zhuǎn)型量化方式的基礎(chǔ)上，以原銀保監(jiān)會《指導(dǎo)意見》中關(guān)于商業(yè)銀行數(shù)字化轉(zhuǎn)型的主要內(nèi)容為依據(jù)，結(jié)合我國商業(yè)銀行業(yè)務(wù)經(jīng)營的實際特點，系統(tǒng)構(gòu)建包括數(shù)字戰(zhàn)略、數(shù)字組織、數(shù)字客戶、數(shù)字產(chǎn)品和數(shù)字技術(shù)5個一級指標(biāo)、27個二級指標(biāo)在內(nèi)的綜合指標(biāo)體系（見表1），數(shù)據(jù)涵蓋2014—2020年包括國有商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行在內(nèi)的204家商業(yè)銀行。從指數(shù)構(gòu)建具體方法看，首先，對各類型二級指標(biāo)數(shù)據(jù)采用極差變化法進行無量綱處理。其次，采用熵值法確定二級指標(biāo)相對于一級指標(biāo)的權(quán)重以及一級指標(biāo)相對于總指標(biāo)的權(quán)重。最后，通過自下而上逐級加權(quán)求和，合成中國商業(yè)銀行數(shù)字化轉(zhuǎn)型綜合指數(shù)。

相比現(xiàn)有衡量指標(biāo)，該指數(shù)的創(chuàng)新之處和優(yōu)勢在于：一是相比單一指標(biāo)，綜合指數(shù)通過容納多維度變量，不再僅局限于商業(yè)銀行在某一方面的轉(zhuǎn)型行為，而是囊括了更豐富的商業(yè)銀行數(shù)字化轉(zhuǎn)型信息。二是相比謝絢麗和王詩卉（2022）[27]的北京大學(xué)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)（見表2），本文進行了幾點邊際拓展與延伸，包括補充和細(xì)化數(shù)字化轉(zhuǎn)型評價體系的子維度，在北京大學(xué)指數(shù)認(rèn)知、業(yè)務(wù)、管理維度的基礎(chǔ)上，將技術(shù)維度納入一級指標(biāo)體系，北京大學(xué)中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)更側(cè)重管理層面的轉(zhuǎn)型表現(xiàn)，考慮到數(shù)字技術(shù)應(yīng)用能力在轉(zhuǎn)型過程中的基礎(chǔ)性作用，本文更關(guān)注商業(yè)銀行在技術(shù)維度的轉(zhuǎn)型表現(xiàn)。三是綜合采用文本分析、網(wǎng)絡(luò)爬蟲以及手動整理等線上線下相結(jié)合的方法，獲取來自商業(yè)銀行財務(wù)報告、互聯(lián)網(wǎng)平臺和權(quán)威機構(gòu)數(shù)據(jù)庫的權(quán)威數(shù)據(jù)，能夠有效避免數(shù)據(jù)偏差，確保指標(biāo)體系更具科學(xué)性、全面性、代表性、可持續(xù)性和可比性。

3. 控制變量。為緩解遺漏變量導(dǎo)致的內(nèi)生性問題，本文在基準(zhǔn)模型中加入一系列可能影響商業(yè)銀行風(fēng)險水平的控制變量。在商業(yè)銀行特征層面，本文納入以下四個變量：一是商業(yè)銀行規(guī)模（Assets），用商業(yè)銀行總資產(chǎn)規(guī)模表示；二是資本資產(chǎn)比（EquiToAsset），即商業(yè)銀行所有者權(quán)益與總資產(chǎn)之比；三是存款資產(chǎn)比（DepoToAsset），即商業(yè)銀行總存款與總資產(chǎn)之比；四是貸款資產(chǎn)比（LoanToAsset），等于商業(yè)銀行總貸款與總資產(chǎn)之比。在宏觀環(huán)境層面，本文納入以下兩個變量：一是GDP增速（GDPg），即商業(yè)銀行總部所在地實際GDP增速；二是物價水平（CPI），即商業(yè)銀行總部所在地消費者價格指數(shù)。其中，全國性商業(yè)銀行使用全國平均數(shù)據(jù)，地方性商業(yè)銀行使用總部所在省份數(shù)據(jù)。主要變量說明見表3。

（三）樣本選擇

基于數(shù)據(jù)可得性，本文使用2014—2020年204家中國商業(yè)銀行的年度非平衡面板數(shù)據(jù)，研究數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用及其機制。其中，商業(yè)銀行特征數(shù)據(jù)來自萬得數(shù)據(jù)庫、全球銀行及金融機構(gòu)分析數(shù)據(jù)庫（ORBIS Bankfocus）、中國研究數(shù)據(jù)服務(wù)平臺（CNRDS）和國泰安數(shù)據(jù)庫。此外，對部分年度缺失數(shù)據(jù)，本文借助線性插值法予以填補。本文最終保留的204家樣本商業(yè)銀行涵蓋6家國有大型商業(yè)銀行、12家股份制商業(yè)銀行、88家城市商業(yè)銀行和98家農(nóng)村商業(yè)銀行。從樣本資產(chǎn)規(guī)模的角度看，截至2020年12月底，樣本商業(yè)銀行總資產(chǎn)占中國商業(yè)銀行總資產(chǎn)規(guī)模的比例達76.35%，總的來說，回歸分析所選擇的樣本能夠覆蓋中國主要商業(yè)銀行，具有較強的代表性。此外，為避免離群值對回歸結(jié)果的影響，本文對所有連續(xù)變量在1%和99%分位數(shù)上進行縮尾處理。表4為主要變量的描述性統(tǒng)計。

四、數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理的實證結(jié)果與分析

（一）基準(zhǔn)回歸

1. 基于數(shù)字化轉(zhuǎn)型總指數(shù)。表5匯報了數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險的基準(zhǔn)回歸結(jié)果。為盡量避免遺漏變量導(dǎo)致的內(nèi)生性問題，本文在納入商業(yè)銀行特征及外部宏觀層面控制變量的基礎(chǔ)上，同時控制商業(yè)銀行個體固定效應(yīng)和年份固定效應(yīng)，分別用以控制不隨時間改變、僅隨商業(yè)銀行個體改變以及不隨個體改變、僅隨時間改變的不可觀測因素的影響。無論回歸中是否加入控制變量，核心解釋變量數(shù)字化轉(zhuǎn)型對商業(yè)銀行不良貸款比率的回歸系數(shù)均為負(fù)值，對商業(yè)銀行Z值的回歸系數(shù)均為正值，對商業(yè)銀行貸款撥備率的回歸系數(shù)均為負(fù)值，且均在1%的水平下顯著，表明數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理能力具備顯著的賦能作用，假設(shè)1得到驗證。

從控制變量看，在商業(yè)銀行特征層面，商業(yè)銀行資本水平越高，風(fēng)險吸收能力越強，因此，資本資產(chǎn)比與商業(yè)銀行風(fēng)險呈負(fù)相關(guān)關(guān)系；貸款資產(chǎn)比越高，商業(yè)銀行資產(chǎn)負(fù)債結(jié)構(gòu)的期限錯配問題越嚴(yán)重，因此，貸款資產(chǎn)比與風(fēng)險呈正相關(guān)關(guān)系；存款資產(chǎn)比越高，商業(yè)銀行有更充足的資金進行信貸業(yè)務(wù)擴張，所面臨的信用風(fēng)險越高。在宏觀經(jīng)濟層面，考慮到信貸的順周期性，宏觀經(jīng)濟越繁榮，商業(yè)銀行對經(jīng)營前景的預(yù)期越積極，風(fēng)險承擔(dān)動機越強，因而可能造成更高的風(fēng)險。

2. 基于數(shù)字化轉(zhuǎn)型子維度指數(shù)。表6匯報的是數(shù)字化轉(zhuǎn)型各子維度對商業(yè)銀行風(fēng)險的影響。A、B、C欄的回歸分析中，被解釋變量分別為商業(yè)銀行不良貸款比率、Z值和貸款撥備率。結(jié)果顯示，各子維度指數(shù)對商業(yè)銀行不良貸款比率的回歸系數(shù)均顯著為負(fù)，對Z值的回歸系數(shù)均顯著為正，對貸款準(zhǔn)備率的回歸系數(shù)大部分顯著為負(fù)。因此，數(shù)字化轉(zhuǎn)型各子維度均對商業(yè)銀行風(fēng)險管理存在賦能作用，且在絕大多數(shù)情況下顯著。

其原因在于，第一，數(shù)字戰(zhàn)略涉及轉(zhuǎn)型頂層設(shè)計，清晰明確的戰(zhàn)略規(guī)劃能夠提高組織內(nèi)部自上而下對數(shù)字化轉(zhuǎn)型的重視程度，有助于商業(yè)銀行顛覆既有業(yè)務(wù)發(fā)展理念和經(jīng)營模式，為轉(zhuǎn)型提供有力保障，從而更大程度上釋放數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用。第二，數(shù)字組織指數(shù)越高，管理層信息技術(shù)專業(yè)能力越強，越有助于提高決策有效性，在更大限度上發(fā)揮數(shù)字化在風(fēng)控方面的積極作用。同時，組織流程方面的數(shù)字化轉(zhuǎn)型將促使商業(yè)銀行風(fēng)控流程趨于標(biāo)準(zhǔn)化，有助于改善部門間信息溝通效率和協(xié)同能力，提升風(fēng)控體系效率。第三，數(shù)字客戶方面，商業(yè)銀行通過拓展線上渠道等方式提高獲客廣度和深度，在改善用戶體驗的同時也有助于增加與客戶之間的互動，從而獲取更多用戶信息，應(yīng)用于信用風(fēng)險評估環(huán)節(jié)。第四，數(shù)字產(chǎn)品方面，通過數(shù)字化轉(zhuǎn)型，商業(yè)銀行可借助數(shù)字技術(shù)生成更精準(zhǔn)的客戶畫像，據(jù)此為不同經(jīng)濟條件、行為偏好和風(fēng)險特征的消費者提供定制化產(chǎn)品，并實施差異化風(fēng)險定價，這有助于商業(yè)銀行提高自身產(chǎn)品與用戶償還能力的匹配度，降低信貸違約帶來的潛在損失。第五，從數(shù)字技術(shù)來看，數(shù)字技術(shù)指數(shù)越高的商業(yè)銀行底層技術(shù)越完善，更能夠?qū)崿F(xiàn)技術(shù)與業(yè)務(wù)實踐的深度融合，為數(shù)字化轉(zhuǎn)型潛能的釋放創(chuàng)造必要條件。

（二）穩(wěn)健性檢驗

在基準(zhǔn)回歸的基礎(chǔ)上，本文進行一系列穩(wěn)健性檢驗，包括替換被解釋變量、替換核心解釋變量等，所得結(jié)果均與基準(zhǔn)模型回歸結(jié)論保持一致。

1. 替換被解釋變量。為避免回歸結(jié)果受被解釋變量指標(biāo)選擇的影響，表7進一步使用商業(yè)銀行風(fēng)險的其他代理變量進行回歸分析，具體包括反映商業(yè)銀行財務(wù)波動風(fēng)險的總資產(chǎn)收益率三年移動標(biāo)準(zhǔn)差（ROA_sd3）和總資本凈利率三年移動標(biāo)準(zhǔn)差（ROE_sd3），以及反映商業(yè)銀行貸款違約風(fēng)險的逾期貸款總額占比（PDToLoan）和逾期90天以上貸款總額占比（PD90ToLoan）。

2.替換核心解釋變量（其他數(shù)字化轉(zhuǎn)型綜合指數(shù)）。考慮到數(shù)字化轉(zhuǎn)型指數(shù)的科學(xué)性和合理性可能對基準(zhǔn)回歸結(jié)果產(chǎn)生影響，本文進一步對核心解釋變量予以替換。具體來看，指數(shù)構(gòu)建包括無量綱處理和權(quán)重確定兩個主要步驟，其中無量綱處理除使用極差變換法外，也可使用功效函數(shù)法；權(quán)重確定除使用熵值法外，也可使用等權(quán)法。由此形成極差_熵值指數(shù)（DT）、極差_等權(quán)指數(shù) （DT_極差等權(quán)）、功效_熵值指數(shù)（DT_功效熵值）、功效_等權(quán)指數(shù) （DT_功效等權(quán)），本文使用極差_熵值指數(shù)（DT）參與基準(zhǔn)回歸，表8匯報的是換用其他三類指數(shù)后的回歸結(jié)果。

3. 替換核心解釋變量（其他數(shù)字化轉(zhuǎn)型代理變量）。表9的回歸中，本文進一步將核心解釋變量替換為其他能夠反映商業(yè)銀行數(shù)字化轉(zhuǎn)型程度的代理變量，具體使用數(shù)字戰(zhàn)略詞頻（L.數(shù)字戰(zhàn)略）、數(shù)字合作數(shù)量（L.數(shù)字合作）和數(shù)字技術(shù)詞頻（L.數(shù)字技術(shù)）進行基準(zhǔn)模型回歸。其中，數(shù)字戰(zhàn)略詞頻為商業(yè)銀行年報中數(shù)字戰(zhàn)略相關(guān)關(guān)鍵詞出現(xiàn)的頻數(shù)，數(shù)字合作數(shù)量為商業(yè)銀行與外部科技公司簽署戰(zhàn)略合作協(xié)議和共建聯(lián)合實驗室的數(shù)量，數(shù)字技術(shù)詞頻為商業(yè)銀行年報中數(shù)字技術(shù)相關(guān)關(guān)鍵詞出現(xiàn)的頻數(shù)。

（三）內(nèi)生性分析

1. 工具變量法。本文分別從地區(qū)數(shù)字人才儲備和數(shù)字技術(shù)基礎(chǔ)兩個維度選擇工具變量，借助工具變量控制可能存在的內(nèi)生性問題。（1）數(shù)字人才儲備。本文選取商業(yè)銀行總部所在地受高等教育人數(shù)比例作為工具變量，其中，地方性商業(yè)銀行使用商業(yè)銀行總部所在地對應(yīng)省份數(shù)據(jù)，全國性商業(yè)銀行使用全國平均數(shù)據(jù)。在相關(guān)性上，商業(yè)銀行數(shù)字化轉(zhuǎn)型的落地實施需要大量熟悉軟件開發(fā)、數(shù)字技術(shù)應(yīng)用的高精尖專業(yè)人才完成產(chǎn)品研發(fā)、運維管理等技術(shù)工作，當(dāng)前各類型商業(yè)銀行紛紛加大對信息科技人才的引進力度。地區(qū)受高等教育學(xué)生比例越高，數(shù)字人才儲備越豐富，商業(yè)銀行更容易引進所需的專業(yè)技術(shù)人才。在外生性上，商業(yè)銀行風(fēng)險并不會直接受到數(shù)字人才儲備的影響。（2）數(shù)字技術(shù)基礎(chǔ)。選取商業(yè)銀行總部所在地專利授權(quán)量作為工具變量，從相關(guān)性上看，專利授權(quán)量越多的地區(qū)，數(shù)字化轉(zhuǎn)型的技術(shù)基礎(chǔ)越扎實，當(dāng)?shù)厣虡I(yè)銀行數(shù)字化程度可能越高。從外生性上看，商業(yè)銀行風(fēng)險水平并不會直接受到地區(qū)專利授權(quán)量的影響。從回歸結(jié)果看，根據(jù)表10，第（1）列第一階段模型的估計結(jié)果顯示，工具變量對內(nèi)生變量（DT）的回歸系數(shù)顯著為正，由此驗證了工具變量與內(nèi)生變量的統(tǒng)計相關(guān)性。根據(jù)第（2）—（4）列對第二階段的估計結(jié)果，核心解釋變量的回歸系數(shù)方向與基準(zhǔn)回歸保持一致。此外，模型通過了識別不足（KP-LM檢驗）、弱工具變量（Wald F檢驗）和過度識別檢驗（Sargan檢驗），說明工具變量的選取具備有效性。

2. Heckman兩步法。本文借助Heckman兩步法緩解樣本選擇偏差所致的內(nèi)生性問題。第一階段進行選擇模型的回歸，以數(shù)字戰(zhàn)略提出虛擬變量（Dum_DT_strategy）（數(shù)字戰(zhàn)略提出當(dāng)年及之后年份取1，之前取0）作為被解釋變量，預(yù)測每家商業(yè)銀行數(shù)字化轉(zhuǎn)型的概率。第二階段將第一階段估計得出的逆米爾斯比率（IMR）加入基準(zhǔn)模型的估計中，以緩解樣本選擇偏誤。表11的結(jié)果表明，加入逆米爾斯比率后，核心解釋變量的系數(shù)符號仍與基準(zhǔn)回歸保持一致，表明基準(zhǔn)回歸的結(jié)果是穩(wěn)健的。同時第二階段逆米爾斯比率（IMR）的回歸系數(shù)基本顯著，表明樣本選擇偏差是可能存在的。

3. 系統(tǒng)GMM估計。本文進一步在基準(zhǔn)回歸模型中引入被解釋變量的滯后項，借助動態(tài)面板系統(tǒng)廣義矩估計（系統(tǒng)GMM）對可能存在的內(nèi)生性問題予以控制。表12的回歸結(jié)果顯示，核心解釋變量（L.DT）對不良貸款比率（NPL）的回歸系數(shù)仍顯著為負(fù)，對Z值（Z）的回歸系數(shù)仍顯著為正、對貸款撥備率（LLR）的回歸系數(shù)仍顯著為負(fù)，結(jié)果與基準(zhǔn)回歸保持一致。從模型有效性的角度看，AR（1）統(tǒng)計量的P值均小于0.1，而AR（2）統(tǒng)計量的P值均大于0.1，表明模型誤差項存在一階序列自相關(guān)，不存在二階序列自相關(guān)。Sargan統(tǒng)計量的P值均大于0.1，表明模型不存在過度識別問題。上述檢驗符合系統(tǒng)GMM模型的設(shè)定標(biāo)準(zhǔn)，因此，所得估計結(jié)果是一致和有效的。

五、數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理的機制分析

（一）風(fēng)險識別能力

為檢驗數(shù)字化轉(zhuǎn)型是否通過增強風(fēng)險識別能力賦能商業(yè)銀行風(fēng)險管理，本文以商業(yè)銀行信用貸款占總貸款的比重（CreditLoan）和個人貸款占總貸款的比重（PersonalLoan）作為中介變量進行中介效應(yīng)檢驗。之所以這樣選取，是由于當(dāng)商業(yè)銀行事前風(fēng)險識別難度較大時，往往傾向于要求借款人提供足值的抵押品。如果商業(yè)銀行能夠?qū)杩钊说男庞蔑L(fēng)險進行預(yù)判，準(zhǔn)確識別市場中的高質(zhì)量借款人，那么商業(yè)銀行就可以放松對客戶的抵押要求，信用貸款占比提高也不會導(dǎo)致商業(yè)銀行風(fēng)險提高。另外，隨著風(fēng)險識別模型的優(yōu)化，商業(yè)銀行對長尾客戶的金融服務(wù)能力增強，同樣有助于提升個人貸款所占比重。根據(jù)表13第（1）和（2）列的回歸結(jié)果，數(shù)字化轉(zhuǎn)型對商業(yè)銀行信用貸款占比和個人貸款占比的回歸系數(shù)均在1%的水平下顯著為正，表明數(shù)字化轉(zhuǎn)型有助于提升商業(yè)銀行信用貸款和個人貸款占比，一定程度上驗證了數(shù)字化轉(zhuǎn)型通過增強風(fēng)險識別能力賦能商業(yè)銀行風(fēng)險管理的機制。

（二）風(fēng)險分散能力

為檢驗數(shù)字化轉(zhuǎn)型是否通過增強商業(yè)銀行風(fēng)險分散能力賦能商業(yè)銀行風(fēng)險管理，本文從商業(yè)銀行貸款集中度的視角，使用商業(yè)銀行第一大客戶貸款占資本凈額的比重（Top1Loan）和前十大客戶貸款占資本凈額的比重（Top10Loan）作為中介變量進行機制分析，表13第（3）、（4）列的結(jié)果顯示，數(shù)字化轉(zhuǎn)型對商業(yè)銀行第一大和前十大客戶貸款占比的回歸系數(shù)均顯著為負(fù)，即數(shù)字化轉(zhuǎn)型有助于降低商業(yè)銀行貸款集中度。而貸款集中度的降低有助于實現(xiàn)信貸在行業(yè)和地區(qū)層面的分散，規(guī)避因大客戶償還能力受損導(dǎo)致的潛在信貸風(fēng)險。因此，數(shù)字化轉(zhuǎn)型通過降低貸款集中度、增強商業(yè)銀行風(fēng)險分散能力賦能風(fēng)險管理的渠道得以驗證。

（三）風(fēng)險緩沖能力

為檢驗數(shù)字化轉(zhuǎn)型通過增強風(fēng)險緩沖能力賦能商業(yè)銀行風(fēng)險管理的機制，本文從盈利水平的角度，選擇商業(yè)銀行總資本凈利率（ROE）、總資產(chǎn)收益率（ROA）、凈息差（NIM）和凈利差（NIS）作為中介變量進行機制檢驗。從表13第（5）、（6）列的回歸結(jié)果來看，數(shù)字化轉(zhuǎn)型對商業(yè)銀行總資產(chǎn)收益率（ROA）、凈息差（NIM）的回歸系數(shù)均顯著為正，即數(shù)字化轉(zhuǎn)型有助于改善商業(yè)銀行經(jīng)營績效。盈利能力強的商業(yè)銀行通過將留存收益轉(zhuǎn)增資本金，有助于提高自身資本充足水平，而資本可以在商業(yè)銀行面臨不確定沖擊時發(fā)揮一定的緩沖作用，幫助商業(yè)銀行吸收負(fù)面沖擊帶來的潛在損失。由此驗證假設(shè)2中數(shù)字化轉(zhuǎn)型通過提升盈利水平、增強商業(yè)銀行風(fēng)險吸收能力賦能風(fēng)險管理的機制。

（四）風(fēng)險管理效率

為檢驗數(shù)字化轉(zhuǎn)型是否通過提升風(fēng)險管理效率賦能商業(yè)銀行風(fēng)險管理，本文選取商業(yè)銀行經(jīng)營效率（Efficiency）和成本收入比（CostToIncome）作為商業(yè)銀行風(fēng)險管理效率的代理變量進行中介效應(yīng)檢驗。其中，效率指標(biāo)參照余晶晶等（2019）[28]，通過隨機前沿模型方法計算得到。從表13第（7）、（8）列。可以看到，數(shù)字化轉(zhuǎn)型對商業(yè)銀行經(jīng)營效率（Efficiency）的回歸系數(shù)為正，對成本收入比（CostToIncome）的回歸系數(shù)為負(fù)，且均在1%的水平下顯著。這在一定程度上驗證了數(shù)字化轉(zhuǎn)型通過改善風(fēng)控效率賦能商業(yè)銀行風(fēng)險管理的作用機制。即借助數(shù)字賦能，商業(yè)銀行能夠建立自動化風(fēng)控體系，降低對人力的依賴，同時也有助于通過標(biāo)準(zhǔn)化信息系統(tǒng)，增強商業(yè)銀行內(nèi)部各業(yè)務(wù)條線的協(xié)作聯(lián)動，從而優(yōu)化風(fēng)控決策效率。

六、拓展分析：數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理的“馬太效應(yīng)”

（一）“馬太效應(yīng)”的存在性

為直觀反映數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用是否存在“馬太效應(yīng)”，這里借鑒既有研究方法（王修華和趙亞雄，2020）[29]，通過分樣本回歸，分別比較在大型商業(yè)銀行和小型商業(yè)銀行中，數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理賦能效果的差異，并借助似不相關(guān)模型（SUR）對組間系數(shù)差異予以檢驗。若數(shù)字化轉(zhuǎn)型對大型商業(yè)銀行風(fēng)險管理的賦能作用顯著大于小型商業(yè)銀行，則能夠說明數(shù)字化轉(zhuǎn)型在不同規(guī)模商業(yè)銀行之間存在“馬太效應(yīng)”，相反，則證明“馬太效應(yīng)”不明顯。本文對大型和小型商業(yè)銀行的劃分依據(jù)是資產(chǎn)規(guī)模，將商業(yè)銀行總資產(chǎn)處于上1/3分位數(shù)的定義為大型商業(yè)銀行，處于下1/3分位數(shù)的定義為小型商業(yè)銀行。

根據(jù)表14的回歸結(jié)果，無論使用不良貸款比率、Z值還是貸款撥備率作為風(fēng)險的代理變量，數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險的回歸系數(shù)都僅在大型商業(yè)銀行中顯著，在小型商業(yè)銀行中不顯著。進一步借助似不相關(guān)回歸檢驗對兩組回歸中數(shù)字化轉(zhuǎn)型的系數(shù)進行統(tǒng)計差異檢驗，結(jié)果顯示組間系數(shù)差異顯著，因此，數(shù)字化轉(zhuǎn)型對兩類商業(yè)銀行風(fēng)險管理的賦能效果分化明顯，存在顯著的“馬太效應(yīng)”。具體來說，在數(shù)字化背景下，相較于大型商業(yè)銀行，小型商業(yè)銀行受制于各種復(fù)雜因素，在尋求數(shù)字賦能方面仍處于弱勢地位，轉(zhuǎn)型對其風(fēng)險管理的賦能作用尚不明顯，這體現(xiàn)了我國商業(yè)銀行數(shù)字化轉(zhuǎn)型發(fā)展的不平衡性和不充分性，由此驗證了假設(shè)3。

（二）“馬太效應(yīng)”的產(chǎn)生機制

本文進一步探究上述“馬太效應(yīng)”的產(chǎn)生機制，分別研究數(shù)字化轉(zhuǎn)型對兩類商業(yè)銀行風(fēng)險識別、分散、緩沖能力和風(fēng)險管理效率的賦能效果是否存在差異，具體在回歸中分別將被解釋變量替換為衡量商業(yè)銀行風(fēng)險識別能力的信用貸款占比（CreditLoan）、衡量商業(yè)銀行風(fēng)險分散能力的前十大客戶貸款集中度（Top10Loan）、衡量商業(yè)銀行風(fēng)險緩沖能力的總資本凈利率（ROE）以及衡量商業(yè)銀行風(fēng)險管理效率的經(jīng)營效率（Effienciency）。根據(jù)表15匯報的結(jié)果，各列回歸中數(shù)字化轉(zhuǎn)型的回歸系數(shù)僅在大型商業(yè)銀行中顯著，且系數(shù)差異均通過了SUR檢驗。這表明相較小型商業(yè)銀行，數(shù)字化轉(zhuǎn)型在大型商業(yè)銀行中更能發(fā)揮其對風(fēng)險識別、分散、吸收能力以及風(fēng)險管理效率的賦能作用，從而降低整體風(fēng)險水平。

從風(fēng)險識別能力來看，大型商業(yè)銀行市場地位高且得到政府較多的政策支持和資源傾斜，掌握較大的話語權(quán)，能夠與外部機構(gòu)開展更深入的合作，從更豐富的渠道獲取用戶信息。同時，大型商業(yè)銀行有充分的資金和技術(shù)條件加強數(shù)據(jù)治理能力建設(shè)，通過對多方數(shù)據(jù)予以交叉驗證，確保所獲信息的準(zhǔn)確性和真實性，從而更好地服務(wù)于信用風(fēng)險評估。相對大型商業(yè)銀行，小型商業(yè)銀行可接入的第三方數(shù)據(jù)源有限，也缺乏高技術(shù)人才對所獲信息進行有效清洗、篩選、過濾，難以通過對信用風(fēng)險評估模型的持續(xù)優(yōu)化增強自身應(yīng)對信息不對稱的能力。

從風(fēng)險分散能力來看，受品牌影響力的制約，小型商業(yè)銀行地域性相對更強，社會認(rèn)可度不夠高，業(yè)務(wù)輻射半徑偏短，服務(wù)對象往往局限于某一特定區(qū)域，產(chǎn)品營銷和市場拓展空間不夠廣闊，獲客能力受到嚴(yán)重制約。且小型商業(yè)銀行商業(yè)模式普遍簡單，產(chǎn)品體系以傳統(tǒng)存貸款為主，非利息收入占比長期較低，在中間業(yè)務(wù)等新產(chǎn)品開發(fā)方面缺乏足夠經(jīng)驗。即便數(shù)字化轉(zhuǎn)型得以落地推進，對小型商業(yè)銀行產(chǎn)品和服務(wù)競爭力的提升作用也相對有限，商業(yè)銀行仍難以突破地域限制，實現(xiàn)更大范圍的獲客。因此，對于小型商業(yè)銀行而言，數(shù)字化轉(zhuǎn)型對信貸在地區(qū)間、行業(yè)間的分散作用不明顯。

從風(fēng)險緩沖能力來看，小型商業(yè)銀行大多處于數(shù)字化布局的初期階段，業(yè)務(wù)渠道有限，產(chǎn)品推廣阻力較大，適合在細(xì)分領(lǐng)域精耕細(xì)作，而大型商業(yè)銀行能夠進行場景生態(tài)建設(shè)，在更廣的領(lǐng)域獲客，從而多觸點增加利潤來源。成本方面，對于資金實力較弱的小型商業(yè)銀行而言，數(shù)字化轉(zhuǎn)型整體投資巨大，同時戰(zhàn)略布局和實施周期較長，短期內(nèi)可能會降低投資轉(zhuǎn)化率，并且?guī)硐鄳?yīng)的衍生管理成本。因此，短期內(nèi)轉(zhuǎn)型對小商業(yè)銀行經(jīng)營績效的改善作用相對有限。相反，大型商業(yè)銀行能夠更有效地借助數(shù)字賦能實現(xiàn)降本增效、提升自身盈利水平，從而更好地應(yīng)對外部沖擊，增強自身風(fēng)險吸收能力。

從風(fēng)險管理效率來看，數(shù)字化轉(zhuǎn)型給原有業(yè)務(wù)模式帶來根本性變革，要求業(yè)務(wù)流程遷移至信息系統(tǒng)內(nèi)，這在促進組織管理透明化和標(biāo)準(zhǔn)化的同時，也與固有經(jīng)營模式形成沖突。在轉(zhuǎn)型實踐中，小型商業(yè)銀行的資源編排與數(shù)字化轉(zhuǎn)型要求的技術(shù)架構(gòu)先進性相比存在較大程度的匹配滯后，相對大型商業(yè)銀行，普遍技術(shù)實力有限、專業(yè)人才不足、組織管理和業(yè)務(wù)協(xié)調(diào)能力偏弱。因此，短期內(nèi)小型商業(yè)銀行對數(shù)字化風(fēng)控系統(tǒng)的利用效率偏低，數(shù)字化轉(zhuǎn)型對風(fēng)險管理效率的賦能作用難以得到充分發(fā)揮。

七、研究結(jié)論與政策建議

（一）研究結(jié)論

本文在構(gòu)建中國商業(yè)銀行數(shù)字化轉(zhuǎn)型綜合指數(shù)的基礎(chǔ)上，利用2014—2020年204家商業(yè)銀行的年度非平衡面板數(shù)據(jù)，研究數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用及其影響機制，并進一步探討數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行質(zhì)效的結(jié)構(gòu)性差異，關(guān)注數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理能力的影響是否存在“馬太效應(yīng)”。研究發(fā)現(xiàn)：數(shù)字化轉(zhuǎn)型有助于商業(yè)銀行增強風(fēng)險管理能力，且該結(jié)論在一系列穩(wěn)健性和內(nèi)生性檢驗下均保持不變。當(dāng)考察數(shù)字化轉(zhuǎn)型結(jié)構(gòu)時，商業(yè)銀行在戰(zhàn)略、組織、產(chǎn)品、客戶和技術(shù)方面的數(shù)字化變革同樣對風(fēng)險管理存在顯著的賦能作用。機制分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能作用主要通過增強商業(yè)銀行風(fēng)險識別、分散、緩沖能力以及提升商業(yè)銀行風(fēng)險管理效率實現(xiàn)。進一步拓展研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險管理的賦能質(zhì)效在不同規(guī)模商業(yè)銀行中存在“馬太效應(yīng)”：大型商業(yè)銀行能夠借助轉(zhuǎn)型有效增強自身風(fēng)險識別、分散、吸收能力和提高風(fēng)險管理效率，從而有效降低風(fēng)險；而對于廣大小型商業(yè)銀行而言，數(shù)字化轉(zhuǎn)型對風(fēng)險管理的賦能作用并不顯著，轉(zhuǎn)型潛力未得到充分釋放。

（二）政策啟示

基于研究結(jié)論，本文為銀行業(yè)深化數(shù)字金融發(fā)展提出如下建議：

對于商業(yè)銀行而言，要積極尋求數(shù)字賦能，借助數(shù)字化轉(zhuǎn)型加強風(fēng)險管理能力。在此過程中，一方面，要打破傳統(tǒng)路徑依賴，整合服務(wù)于數(shù)字賦能的資源編排。當(dāng)前許多商業(yè)銀行轉(zhuǎn)型思維并未真正形成，配套資源仍難以適應(yīng)數(shù)字化變革節(jié)奏，過快推進數(shù)字化反而與現(xiàn)行業(yè)務(wù)流程形成沖突，引發(fā)整體性失調(diào)。要想徹底釋放數(shù)字潛能，商業(yè)銀行必須打破傳統(tǒng)路徑依賴，重新規(guī)整輔助轉(zhuǎn)型落地的配套條件。另一方面，要立足資源稟賦，探索與自身特征相適應(yīng)的轉(zhuǎn)型路徑。資產(chǎn)規(guī)模較大、資金實力強勁的商業(yè)銀行有條件通過整合內(nèi)外部資源進行核心平臺建設(shè)，成為數(shù)字金融生態(tài)系統(tǒng)的主導(dǎo)者。而對于小型金融機構(gòu)而言，尋求外部合作是更理性的選擇，例如，商業(yè)銀行可以憑借在某一特定市場中的經(jīng)營優(yōu)勢，利用數(shù)字化手段在該細(xì)分領(lǐng)域提供數(shù)字金融服務(wù)。也可采取輕資產(chǎn)化發(fā)展模式，專注于價值鏈中的某一特定環(huán)節(jié)，通過與其他商業(yè)銀行的合作，成為其他商業(yè)銀行產(chǎn)品、流程、數(shù)據(jù)等價值鏈中某一環(huán)節(jié)的合作伙伴或服務(wù)提供商，最終實現(xiàn)互利共贏。

對于監(jiān)管部門而言，要客觀認(rèn)識數(shù)字化對商業(yè)銀行的賦能作用及其結(jié)構(gòu)性差異。監(jiān)管部門要就商業(yè)銀行數(shù)字化轉(zhuǎn)型的內(nèi)容、策略、路徑等問題給予科學(xué)指引，發(fā)揮數(shù)字化轉(zhuǎn)型在金融體系風(fēng)險防范方面的正向作用。特別是針對數(shù)字化轉(zhuǎn)型賦能商業(yè)銀行風(fēng)險管理在不同規(guī)模商業(yè)銀行中存在的“馬太效應(yīng)”，有關(guān)部門需加強關(guān)注，增強對小型商業(yè)銀行數(shù)字化轉(zhuǎn)型的戰(zhàn)略與技術(shù)指導(dǎo)，同時加大相應(yīng)的政策支持和資源傾斜力度，充分發(fā)揮數(shù)字化轉(zhuǎn)型對不同規(guī)模、類型商業(yè)銀行的賦能作用，增強數(shù)字時代下多層次金融體系對實體經(jīng)濟的服務(wù)能力。

參考文獻：

[1]邱晗，黃益平，紀(jì)洋.金融科技對傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財?shù)囊暯?[J].金融研究，2018，（11）.

[2]郭品，沈悅.互聯(lián)網(wǎng)金融、存款競爭與銀行風(fēng)險承擔(dān) [J].金融研究，2019，（08）.

[3]Wang R，Liu J，Luo H. 2021. Fintech Development and Bank Risk Taking in China [J].The European Journal of Finance，27（08）.

[4]Zhao J，Li X，Yu C，Chen S，Lee C. 2022. Riding the FinTech Innovation Wave：FinTech， Patents and Bank Performance [J].Journal of International Money and Finance，122（11）.

[5]顧海峰，楊立翔.互聯(lián)網(wǎng)金融與銀行風(fēng)險承擔(dān)：基于中國銀行業(yè)的證據(jù) [J].世界經(jīng)濟，2018，（10）.

[6]高昊宇，方錦程，李夢.金融科技的風(fēng)險管理賦能：基于中國銀行業(yè)的經(jīng)驗研究 [J].系統(tǒng)工程理論與實踐，2022，（06）.

[7]Pérez-Martín A，Pérez-Torregrosa A，Vaca M. 2018.Big Data Techniques to Measure Credit Banking Risk in Home Equity Loans [J].Journal of Business Research，89（02）.

[8]Cheng M，Qu Y. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63（07）.

[9]郭曄，未鐘琴，方穎.金融科技布局、銀行信貸風(fēng)險與經(jīng)營績效——來自商業(yè)銀行與科技企業(yè)戰(zhàn)略合作的證據(jù) [J].金融研究，2022，（10）.

[10]呂之安，郭雪寒，劉沖，劉莉亞.第三方合作存款與商業(yè)銀行風(fēng)險承擔(dān) [J].金融研究，2022，（09）.

[11]蔣海，唐紳峰，吳文洋.數(shù)字化轉(zhuǎn)型對商業(yè)銀行風(fēng)險承擔(dān)的影響研究——理論邏輯與經(jīng)驗證據(jù) [J].國際金融研究，2023，（01）.

[12]羅煜，崔書言，曠純.數(shù)字化與商業(yè)銀行經(jīng)營轉(zhuǎn)型——基于傳統(tǒng)業(yè)務(wù)結(jié)構(gòu)變遷視角 [J].國際金融研究，2022，（05）.

[13]盛天翔，范從來.金融科技、最優(yōu)銀行業(yè)市場結(jié)構(gòu)與小微企業(yè)信貸供給 [J].金融研究，2020，（06）.

[14]Gu S，Kelly B，Xiu D. 2020. Empirical Asset Pricing via Machine Learning [J].The Review of Financial Studies，33（05）.

[15]李建軍，王德.搜尋成本、網(wǎng)絡(luò)效應(yīng)與普惠金融的渠道價值——互聯(lián)網(wǎng)借貸平臺與商業(yè)銀行的小微融資選擇比較 [J].國際金融研究，2015，（12）.

[16]Svahn F，Mathiassen L，Lindgren R. 2017. Embracing Digital Innovation in Incumbent Firms [J].MIS Quarterly，41（01）.

[17]Giesecke K，Weber S. 2004. Cyclical Correlations， Credit Contagion， and Portfolio Losses [J].Journal of Banking amp; Finance，28（12）.

[18]Piercy N，Lane N. 2006. The Underlying Vulnerabilities in Key Account Management Strategies [J].European Management Journal，24（04）.

[19]王雄元，高開娟.客戶關(guān)系與企業(yè)成本粘性：敲竹杠還是合作 [J].南開管理評論，2017，（01）.

[20]陸岷峰.商業(yè)銀行數(shù)字化轉(zhuǎn)型風(fēng)險類型、特征及治理體系 [J].金融發(fā)展研究，2023，（10）.

[21]Coval J D，Thakor A V. 2005. Financial Intermediation as a Beliefs-Bridge Between Optimists and Pessimists[J].Journal of Financial Economics，75（03）.

[22]羅煜，黃鈺文，徐蕾.大數(shù)據(jù)信貸的“第三條道路”[J].經(jīng)濟理論與經(jīng)濟管理，2020，（05）.

[23]Berger A N，Udell G F. 2002. Small Business Credit Availability and Relationship Lending：The Importance of Bank Organisational Structure [J].The Economic Journal，112（03）.

[24]Zhu W，Yang J.2016.State Ownership，Cross-Border Acquisition，and Risk-Taking： Evidence from China's Banking Industry [J].Journal of Banking amp; Finance，71（06）.

[25]Laeven L，Levine R. 2009.Bank Governance， Regulation and Risk Taking [J].Journal of Financial Economics，93（02）.

[26]Boyd J H，Graham S L.1986. Risk，Regulation， and Bank Holding Company Expansion into Nonbanking [J].Quarterly Review，10（09）.

[27]謝絢麗，王詩卉.中國商業(yè)銀行數(shù)字化轉(zhuǎn)型：測度、進程及影響 [J].經(jīng)濟學(xué)（季刊），2022，（06）.

[28]余晶晶，何德旭，仝菲菲.競爭、資本監(jiān)管與商業(yè)銀行效率優(yōu)化——兼論貨幣政策環(huán)境的影響 [J].中國工業(yè)經(jīng)濟，2019，（08）.

[29]王修華，趙亞雄.數(shù)字金融發(fā)展是否存在馬太效應(yīng)？——貧困戶與非貧困戶的經(jīng)驗比較 [J].金融研究，2020，（07）.