数字金融与商业银行效率：一个倒U型解释

汪亚楠 黄泽宇 崔珊珊

一 引 言

数字金融近十年间发展迅猛，金融机构积极利用去中介化和自动化等技术，以提升内部经营效率和金融服务质量。然而，金融服务与数字技术的深度融合也对金融监管体系的完善提出了更高要求，《中国金融稳定报告2020》中将金融科技发展及监管作为独立专题展开讨论。央行金融科技委员会在2021年重点工作研究部署会议上更是指出，以强化金融科技监管、加快金融数字化转型为主线，助力构建适应数字经济发展的现代金融体系(1)资料来源：http：//www.pbc.gov.cn/goutongjiaoliu/113456/113469/4183274/index.html。。在符合审慎监管要求的前提下，加大金融科技创新将在构建“双循环”新发展格局中发挥更大作用，数字金融的相关研究不仅能够为优化商业银行内部工作效率提供借鉴，而且对于促进银行业进行金融创新、健全金融监管规则、推动现代金融体系建设具有重要的理论意义和深远的实践价值。本文将从商业银行效率角度出发，探讨数字金融如何发挥特定优势以达到提升金融市场服务效率的目标。

数字金融作为一种新型金融业务模式，依托互联网、大数据、人工智能等数字技术，逐渐渗透至经济社会的方方面面(汪亚楠等，2020)［1］。现有研究主要探讨了数字金融对包容性增长(张勋等，2019)［2］、技术创新(唐松等，2020)［3］、传统银行业务模式(邱晗等，2018)［4］等方面的影响，鲜有研究重点关注数字金融如何影响金融服务效率问题。得益于降低交易成本、缓解信息不对称、拓展交易可能性集合等核心特征(谢平等，2015)［5］，数字金融正推进着金融服务业不断寻找新的方式进行服务升级，以更好地满足客户体验(Gomber et al.，2018)［6］。然而，数字金融也加快了传统金融业的去中介化进程，改变了银行负债端结构(薛莹和胡坚，2020)［7］，由此造成的金融业恶性竞争问题同样不容忽视。可见，数字金融为传统金融业带来了一场影响深远且意义重大的变革，为银行业带来了转型机遇与生存挑战。更重要的是，提升金融服务质量、加快数字经济发展背景下的现代金融体系建设均离不开银行业这一金融体系核心的支撑与协调，因此，有必要进一步丰富数字金融影响商业银行效率的研究。

基于此，本文以2011—2017年中国109家商业银行为研究对象，考察数字金融与商业银行效率之间的关系。致力于回答以下问题：第一，在数字金融监管体系尚未健全的背景下，数字金融水平对商业银行效率的积极效应和消极效应此消彼长，两者之间是否存在非线性关系。第二，过高数字金融水平将引致金融风险提升和竞争性扭曲，其引起的风险转移效应是否可以解释数字金融与商业银行效率之间的倒U型关系。第三，考虑到中国幅员辽阔，存在天然的区域发展不平衡问题，数字金融对商业银行效率的影响是否存在区域异质性。第四，金融脱媒、金融监管在数字金融与商业银行效率关系中扮演何种角色。

相比于现有文献，本文的边际贡献主要体现为：第一，在研究视角上，深入探讨数字金融如何从商业银行内部和外部角度共同影响银行效率。第二，在商业银行效率测度上，将风险约束纳入商业银行效率的评价体系中，并与无风险约束的商业银行效率指标进行对比，更好地分析了风险因素特别是表外业务风险承担的增加对商业银行效率带来的影响。第三，在研究内容上，重点考察了数字金融及其细分指标和商业银行效率之间的非线性关系，提出了风险转移效应。第四，在逐步规范完善金融监管机制体系的大趋势下，进一步考察并说明了金融监管在数字金融发展中不可或缺的作用。

二 理论机制与研究假说

(一)数字金融与商业银行效率

基于新兴技术手段的运用，数字金融正在拓宽金融机构的服务范围，对传统金融业产生了巨大影响(汪亚楠等，2020)［1］。银行业作为传统金融行业的核心，各类业务模式和技术运用的兴起逐步渗透至商业银行，很大程度上影响着商业银行效率。梳理现有文献发现，数字金融对商业银行效率的影响可能同时存在积极和消极两种效应。

从积极效应来看，发展数字金融有助于促进商业银行效率的提升。主要体现为三个方面：首先，数字金融本质上是一种金融创新，具有创新效应(薛莹和胡坚，2020)［7］，激励各家银行进行金融创新以保持自身优势与特质。此外，数字金融的发展加快了传统金融业的去中介化进程，冲击了传统金融业的垄断地位。银行为了保持在金融市场中的优势地位，不断地进行金融创新(Jaksic和Marinc，2019)［8］。其次，在信息优势上，通过对数据的深度挖掘与分析，数字金融有助于银行挖掘并获取到更全面的借款人信息(Buchak et al.，2018［9］；李春涛等，2020［10］)，有效缓解了逆向选择与道德风险问题。根据不同风险程度的客户特征画像，银行可以满足更多客户的信贷需求，进而提高提供金融服务的质量与效率。最后，在营运过程中，数字金融降低了信息搜寻、筛选、监控成本(Sutherland，2018)［11］，更多来自物流、信息流、资金流的信息被纳入风险评估中(滕磊和马德功，2020)［12］，降低了风险评估成本(Livshits et al.，2016)［13］，也使得银行业务中存在的风险与收益更加匹配(万佳彧等，2020)［14］，进而提高了资金配置效率和风险管理效率(Giannetti和Jentzsch，2013)［15］。数字金融的发展将减少银行对物理网点的依赖，改变了距离在银行中的重要作用(Jaksic和Marinc，2019)［8］，云计算、分布式架构技术的发展降低了银行前期成本和后续基础设施成本，提高了银行的工作效率以及对客户的管理效率。

从消极效应来看，过度发展数字金融会阻碍商业银行效率的提升。一方面，数字金融加剧了信息遗误的可能性。在借助数字技术获取不易暴露的“软”信息的过程中，“软”信息“硬”处理化容易造成信息丢失，从而降低信息可信度，也为信息核实工作增添难度，不利于金融服务流程简化。另一方面，大力发展数字金融转移了银行业及银行从业人员的工作重心，导致效率管理的缺失。更重要的是，过度融合数字技术与金融创新导致数字金融与金融监管发展步调不一致。金融业边界模糊、机构间关联增强、金融风险传导加快等问题作为数字金融发展的“副产品”(李春涛等，2020)［10］，为金融体系的平稳运行带来了新隐患。一旦现有的监管体系和监管者缺乏技术支撑，将无法进行有效监管，进而造成数字金融为银行业提供的优势特征大打折扣，反而会不利于商业银行效率的提升。

因此，难以直观地判断数字金融对商业银行效率的净效应。数字金融发展过程中，积极影响和消极影响呈现出此消彼长的现象，净效应可能表现为非线性变化。在数字金融发展初期，为顺应时代与行业发展潮流，数字金融缓解信息不对称、加快审批流程、降低营运成本等优势在银行管理中凸显，此时积极影响更为明显。在数字金融发展中后期，随着金融服务流程的完善，数字金融的积极效应不断下降，随之而来的是金融风险加剧等负面现象，此时消极影响更为明显。因此，数字金融对商业银行效率的影响可能并非单一的线性关系，而是倒U型的非线性关系。基于上述分析，提出假说1。

假说1：数字金融与商业银行效率之间存在倒U型关系。

(二)数字金融对商业银行效率的风险转移效应

数字金融提高商业银行效率的同时，金融风险隐蔽性、突发性、传染性和负外部性等特征依然存在，容易与技术风险产生叠加和聚合效应，这使得风险传递更快、波及范围更广(杨东，2018)［16］。此外，银行异质性的存在加剧了政府隐性担保现象，造成了恶性扭曲，使得银行风险进一步提高。因此，过高的数字金融水平可能提高银行的风险承担水平，有碍商业银行的正常经营活动，将银行治理的重心转移到金融风险的监管与防控中，反而不利于效率管理。具体来说，过高的数字金融水平会从被动和主动两个方面提高商业银行金融风险。

首先，过高的数字金融水平将使商业银行被动承担更多信用风险、操作风险、技术风险以及系统性风险。其一为信用风险。在传统金融模式下，银行更加重视可供抵押的硬资产(钱雪松等，2019)［17］，一些拥有较少硬资产、较多人力资本、较高技术水平且成长潜力巨大的初创企业以及科技型企业难以获得融资。通过数字技术，金融服务范围扩大，信贷市场准入门槛降低(Buchak et al.，2018)［9］，使以前难以获得融资的企业有更大概率获得资金支持。然而，信贷市场准入门槛的降低也在一定程度上增加了不良贷款产生的可能性，使银行被迫承担更多风险，将更多精力投入到信用风险的监管中，不利于商业银行效率的提升。其二为操作风险。在数据信息收集及转化的过程中有可能发生信息丢失现象，大量由技术转化而来的信息的可信度难以核实，导致银行可能无法准确捕捉到客户寻求金融服务的动机(Jaksic和Marinc，2019)［8］。此外，现有法律监管体系的更新换代速度不足以赶超数字金融的发展水平，法律漏洞的存在加剧了金融市场的不确定性。信息系统失灵和法律风险加剧均将使银行承担更大的操作风险，进而阻碍了商业银行效率的提升。其三为技术风险和系统性风险。数字金融是一种基于科学技术的金融创新，其有效性、稳定性和安全性存在巨大的不确定性(中国人民大学课题组，2020)［18］。一旦出现技术漏洞、编程错误或者交易平台系统选择失误等问题，金融市场将面临巨大难关，进而衍生出新的系统性风险(杨东，2018)［16］。同时，数字金融催生的金融科技公司可能诱发比中心化金融机构更大的系统性风险。

其次，过高的数字金融水平导致商业银行竞争扭曲从而主动承担更多风险。数字金融的飞速发展加剧了金融脱媒，客户流失提高了银行的信贷竞争程度(刘莉亚等，2017)［19］，打破了银行原有的稳定经营模式，造成商业银行效率低下(Aiello和Bonano，2016)［20］。与此同时，竞争也会对客户与银行间的借贷关系产生影响(Carbo et al.，2009)［21］，较强的竞争程度会造成信贷市场信息更加分散。更重要的是，伴随着众多金融科技公司的兴起与发展，银行业的垄断租金不复存在，银行面临着巨大的利润增长压力(Hellmann et al.，2000)［22］，为追逐新的利润增长点，银行可能采取非理性决策，更多高风险的理财产品和金融服务业务应运而生。此外，面对数字经济势不可挡的发展趋势，如何落实数字金融带来的普惠性、便利性等经济效益，成为政府工作的一大重点。出于政绩考核以及银行声誉等考虑，政府更有可能对大型银行和国有银行提供隐性担保，以促进其提供数字金融服务，实现全社会金融可得性的提高。这使得我国政府隐性担保的异质性特征加剧，即政府担保往往落在大型银行和国有银行上，而那些中小型银行和私人控股银行将成为政府隐性担保中的牺牲品，造成政府担保的“不公平”(汪莉等，2016)［23］。与受政府隐性担保的银行相比，这些不受政府担保的银行在市场竞争中存在天然的劣势，为提高银行的市场份额与竞争实力，其更容易主动放弃效率管理以追逐更高收益。因此，数字金融也会导致金融行业的恶性竞争，造成竞争扭曲，银行更倾向于主动承担更多金融风险以谋求更高利润，这将阻碍银行效率的提升。

基于上述分析，提出假说2。

假说2：过高数字金融水平带来的金融风险提升及其产生的风险转移效应是形成倒U型关系的重要机制。

三 研究设计

(一)商业银行效率的估算

1.估算方法

以随机前沿方法(SAF)为代表的参数法存在需要确定生产函数形式、处理多产出问题较为复杂等不足，而以数据包络法(DEA)为代表的非参数法有效地解决了上述缺陷。然而，传统的DEA方法无法满足同时减少非期望产出并增加期望产出的技术变化，在非零松弛性情况下容易高估效率。因此，本文借鉴汪莉等(2021)［24］的做法，采用考虑非期望产出的非径向、非导向的SBM模型进行商业银行效率估算。

2.投入产出要素选取和模型设定

考虑到本文着重考察银行借助存款生产贷款这一生产过程以及风险加权资产为银行带来的效率风险，因此，采用中介法，将存款视为生产过程中的一种投入要素进行商业银行效率估算。此外，参考汪莉等(2021)［24］的做法，将营业支出、职工人数、业务与管理费用、利息支出、所有者权益、固定资产净值作为银行生产过程中的投入要素。

在产出要素的选取上，参考汪莉等(2021)［24］的做法，将净利润和正常贷款作为银行生产过程中的期望产出要素对商业银行效率进行估算，得到基础模型(模型1)的商业银行效率EFF1。在此基础上，考虑到近年来我国商业银行不良贷款率不断攀升以及影子银行等表外业务的迅猛发展，本文将目光聚焦于表内外业务给银行带来的金融风险，将风险加权资产纳入到银行生产过程中的非期望产出中估算商业银行效率，得到对照模型(模型2)的商业银行效率EFF2，如表1所示。

表1 商业银行效率估算模型设定

3.商业银行效率估算

假设第t年有n个生产决策单元DMUs，每家商业银行为一个独立的DMU，记为DMUit。对于第i个DMU，存在k种投入要素，l种期望产出要素，m种非期望产出要素，分别用向量xi、yi、zi表示。如式(1)所示，对于第t年所有DMUs，相应的投入要素、期望产出要素和非期望产出要素分别用矩阵Xt、Yt、Zt表示。则生产可能性集合见式(2)。

Xt=［x1t, …,xit, …,xnt］;Yt=［y1t, …,yit, …,ynt］;Zt=［z1t, …,zit, …,znt］

(1)

P={(x,y,z)|x≥Xλ,y≤Yλ,z≥Zλ,λ≥0}

(2)

(3)

s.t.Xλ+sx，-=xi；Yλ-sy，+=yi；Zλ+sz，-=zi；λ，sx，-，sy，+，sz，-≥0

(4)

(二)模型设定

1.基准估计

由于商业银行效率处于［0，1］区间，本文将使用Tobit回归进行检验，建立如下回归模型来检验假说1：

EFFi，t=α0+α1Dfi，t+α2Dfi，t2+α3Banki，t+α4Macrot+μi+υt+εi，t

(5)

2.机制检验模型

在检验假说2时需要把握好两点：一是不同的数字金融水平是否会显著影响金融风险的产生；二是金融风险是否是影响商业银行效率的重要变量。考虑到数字金融对商业银行效率的影响是非线性的，参考胡海峰等(2020)［25］的做法，将基准估计中数字金融水平的拐点值(TP)引入模型，将数字金融指标(Df)与拐点值(TP)之差的绝对值作为解释变量。

第一阶段回归：

Riski, t=β0+β1|Df-TP|i, t+β2Banki, t+β3Macrot+μi+υt+εi, t

(6)

第二阶段回归：

EFFi, t=γ0+γ1|Df-TP|i, t+γ2Riski, t+γ3Banki, t+γ4Macrot+μi+υt+εi, t

(7)

其中，Riski，t表示金融风险，分别采用不良贷款率NPLi，t、风险加权资产占比RWAi，t、不良贷款拨备覆盖率NPL_COVi, t加以衡量，是风险转移效应的中介变量。β1、γ1和γ2为本模型的关键系数，若β1显著为正且γ2显著为负，则说明金融风险确实是数字金融影响商业银行效率的中介变量。

(三)变量选取

1.数字金融

本文选取由北京大学数字研究中心和蚂蚁金服集团共同编制的第一期和第二期中国数字普惠金融指数来衡量数字金融发展状况。该研究数据囊括了2011—2018年全国31个省级区域的数字普惠金融指数，在总指数的基础上，还从覆盖广度、使用深度和数字化程度三个维度编制了细分指标。

2.控制变量

(1)宏观经济层面变量。①固定资产投资增速FIXt，由于基础建设投资多由政府主导，因此固定资产投资增速经常呈现出显著的逆周期性，其可以间接反映一个地区的整体经济发展水平，进而影响银行业整体的发展进程。②GDP增速N_GDPt，经济增速可以反映一个地区的整体经济发展水平，同时也是衡量银行实力的较为常用的综合性指标(王兵和朱宁，2011)［26］。在经济发展过程中，金融需要支持并推动实体经济发展，相应地，实体经济的不断变化很可能影响金融部门的发展方向。③财政盈余规模TISt，财政盈余规模可以反映一个地区的政府对银行经济活动的干预程度，很可能影响银行提供金融服务的效率，本文用政府财政收入和财政支出的差额与GDP之比来衡量。

(2)银行层面变量包括资产回报率ROAi，t(净利润/资产总额)、存贷比LDRi，t(总存款/总贷款)、所有权结构FSOi，t(若政府为银行的最大股东，则取值为1，否则为0)和FCOi，t(若国有法人单位为银行的最大股东，则取值为1，否则为0)。

(四)样本选取及数据来源

本文以2004—2017年中国171家商业银行样本估算商业银行效率，由于中国数字普惠金融指数仅从2011年起编制，根据商业银行所在地城市名进行数据匹配后，最终得到109家银行、721个样本进行实证分析，其中包括79家城市商业银行以及30家农村商业银行。中国数字普惠金融指数由北京大学数字金融研究中心与蚂蚁金服集团联合发布。银行层面数据主要来自各银行年度报告，部分银行数据根据Wind数据库、Bankscope数据库、《中国金融年鉴》等整理得到。宏观经济层面数据主要来源于《中国城市统计年鉴》以及CSMAR国泰安数据库。表2汇报了主要变量描述性统计结果。

表2 描述性统计

四 实证结果与分析

(一)基准回归结果分析

表3报告了数字金融与商业银行效率关系的回归结果，本文控制了个体固定效应和时间固定效应。在加入所有控制变量后，列(3)中，数字金融及其平方项的估计系数分别为2.3879和-0.3080，且均通过了1%的显著性水平检验，说明数字金融与EFF1之间存在倒U型关系，当数字金融水平高于临界值时，数字金融对商业银行效率提升的边际效应为负。列(6)中，数字金融及其平方项的估计系数分别为2.2094和-0.2664，且均通过了1%的显著性水平检验，说明数字金融与EFF2之间依然存在倒U型关系。当数字金融水平高于临界值时，数字金融反而不利于商业银行效率的提升，这与假说1的预期相符。此外，数字金融对于无风险约束效率评价指标的影响均高于其对于纳入风险约束效率评价指标的影响。

表3 基准回归结果(2)本文重点关注纳入风险约束的商业银行效率评价指标，后文将全部讨论EFF2。如果对无风险约束商业银行效率EFF1结果感兴趣，欢迎向作者索要。

(二)数字金融发展维度的异质性

表4列(1)—列(3)报告了覆盖广度、使用深度和数字化程度三个不同维度下，数字金融对商业银行效率的影响。列(1)结果显示，覆盖广度及其平方项的估计系数分别为1.9808和-0.2795，且均通过了1%的显著性水平检验，说明数字金融覆盖广度与商业银行效率之间存在倒U型关系。列(3)结果显示，数字化程度及其平方项的估计系数分别为0.6118和-0.0818，在1%的统计性水平上显著，说明数字化程度与商业银行效率之间存在倒U型关系。此外，使用深度与商业银行效率之间不存在显著的倒U型关系。

表4 数字金融发展维度和区域的异质性结果

(三)区域异质性

表4列(4)和列(5)报告了基于不同银行所在区域进行检验的异质性结果。对于东中部地区样本而言，数字金融及其平方项的估计系数分别显著为正和显著为负；而对于西部地区样本而言，数字金融及其平方项的估计系数均不显著。这说明，数字金融与商业银行效率之间的倒U型关系只存在于东中部地区，数字金融的巨大优势还未在西部地区商业银行效率提升中发挥作用。可能的解释是，数字金融可以看作是传统金融的一种延续与发展(姚耀军和施丹燕，2017)［27］，数字技术无法消除空间地理因素对金融行业的影响(Schmutzler，1999)［28］，因此，东中部地区存在金融发展路径依赖，其优越的区域优势以及强大的经济实力为数字金融发展提供了有利条件。为了逃离传统金融欠发达的路径依赖困境，西部地区的政府机构可能会采取强有力的干预政策，以达到发展数字金融的目标(姚耀军和施丹燕，2017)［27］，为数字金融更好地促进商业银行效率奠定了基础。

(四)金融监管异质性

进一步考虑金融监管视角下数字金融与商业银行效率之间的关系。用省级地方政府金融监管事务支出额度衡量省级金融监管强度。基于商业银行所在省份金融监管强度，以50%分位数为界将样本分为金融监管较弱区和金融监管较强区两组，根据式(5)重新进行回归，比较数字金融的回归系数差异。表5列(1)和列(2)报告了不同金融监管强度下数字金融与商业银行效率之间关系的异质性。可以发现，无论何种金融监管强度，数字金融与纳入风险约束的商业银行效率(EFF2)之间始终存在倒U型关系。这意味着，金融监管可以起到加速数字金融提升商业银行效率的作用，有效延缓过度数字金融发展的消极影响。然而，一旦数字金融水平超过临界值，强有力的金融监管也会加速数字金融对商业银行效率的消极影响，在一定程度上起到了警示作用。

表5 金融监管和金融脱媒的异质性结果

(五)金融脱媒异质性

此外，本文用省级层面直接融资占社会融资总规模比重衡量省级金融脱媒程度。基于商业银行所在省份金融脱媒程度，以50%分位数为界将样本分为金融脱媒程度较低组和金融脱媒程度较高组，根据式(5)进行回归，比较数字金融的回归系数差异。表5列(3)和列(4)报告了不同金融脱媒程度下数字金融与商业银行效率之间关系的异质性。结果显示，数字金融发展水平与纳入风险约束的商业银行效率(EFF2)之间的倒U型关系主要存在于金融脱媒程度较低地区。这可能是因为在金融脱媒程度较低的地区，有利于数字金融在银行业发挥技术革新与金融创新的积极作用，激发银行创新金融服务产品的活力与热情，进而提升风险约束下的商业银行效率水平。

五 作用渠道及稳健性检验

(一)风险转移效应

表6报告了检验风险转移效应的回归结果。列(1)、 列(2)为以不良贷款率为中介变量的检验结果，|Df-TP|的估计系数显著为正，说明|Df-TP|对不良贷款率的提高存在正向作用。将|Df-TP|与不良贷款率纳入模型后，|Df-TP|的估计系数不显著，不良贷款率的估计系数在1%水平上显著为负，说明存在完全中介效应。当数字金融发展适度(DfTP)时，Df与|Df-TP|同向变化。此外，不良贷款拨备覆盖率和风险加权资产也发挥了类似的中介效应。实证结果表明，当数字金融水平过高时，数字金融发展加剧了金融风险，金融风险提高对商业银行效率提升的负向效应抵消了数字金融对商业银行效率的正向效应，可以用“风险转移效应”这一机制解释倒U型关系，假说2得到证实。

表6 检验风险转移效应

综上发现，数字金融不仅会对商业银行效率产生积极效应，而且存在着经由金融风险传导而产生的消极效应，当数字金融水平过高时，消极影响占据主导地位，反而不利于商业银行效率的提升。这可能是因为数字金融水平过高会从客观和主观两个维度提升商业银行风险承担水平，使银行更多地关注风险监管，在一定程度上转移了在效率管理上的投入，产生风险转移效应，进而不利于商业银行效率的提升。

(二)稳健性检验

1.工具变量法

为了缓解实证检验的内生性问题，本文选取数字金融的滞后一期和省内数字金融平均值作为解释变量的工具变量，表7列(1)—列(6)报告了工具变量法的回归结果。列(1)和列(4)分别为使用工具变量L.Df和Df_avg的第一阶段回归结果，L.Df和Df_avg均与数字金融显著正相关，且F值远大于弱工具变量的临界值(F统计值为10)，说明本文选取的工具变量有效。总体上，使用工具变量法的回归结果与基准回归基本一致，表明数字金融与商业银行效率间存在显著的倒U型关系。

2.剔除农村商业银行样本

我国存在区域发展不平衡问题，落后的农村地区在数字金融发展上还存在一定缺陷，可能无法充分发挥对商业银行效率的影响。因此，本文剔除农村商业银行样本，专门针对更具代表性的城市商业银行样本进行回归。表7列(7)、 列(8)报告了剔除农村商业银行样本后的回归结果，数字金融及其平方项的估计系数大小及显著性水平与基准回归基本保持一致，说明本文结论具有一定的稳健性。

表7 稳健性检验结果

六 结论与政策启示

互联网信息技术进步推动了数字金融发展进程，催生出一系列新型金融服务产品，为经济社会注入新的活力。构建适应数字经济发展的现代金融体系是国家贯彻新发展理念下的一项重要举措和重点工作。在这一背景下，本文利用2011—2017年中国数字普惠金融发展指数以及纳入风险约束的商业银行效率指标，考察数字金融与商业银行效率之间的关系和内在机制。结果表明：首先，数字金融与商业银行效率之间存在显著的倒U型关系，且这一关系主要体现在数字金融的覆盖广度和数字化程度上。在将表外风险纳入商业银行效率评价体系后，数字金融与商业银行效率之间的倒U型关系显著性降低。其次，数字金融对商业银行效率的影响存在区域异质性，并表现出明显的禀赋优势效应。过高数字金融水平引致的风险转移效应是形成倒U型关系的重要机制。最后，金融监管可以有效控制数字金融领域出现的风险诱发行为，从而有助于发挥数字金融对纳入风险约束的商业银行效率的提升作用。金融脱媒程度较低则有利于数字金融在银行业发挥技术革新与金融创新的积极作用，激发银行创新金融服务产品的活力与热情，提升风险约束下的商业银行效率水平。

由研究结论得到如下政策启示：第一，数字金融的发展在一定程度上有助于商业银行效率的提升，进而推动现代金融体系的建设。但在顺应数字金融高速发展的同时，应注意协调发展速度与效率，加强金融监管体系的建设与完善，使数字金融与金融监管同步发展。否则，一旦数字金融水平过高，将适得其反，不利于商业银行效率的提升，妨碍金融业提高服务质量与效率。第二，数字金融的发展存在区域路径依赖，东中部地区应发挥区域优势，依托雄厚的经济实力积极发展数字金融，并将金融创新“基因”源源不断地扩散给相邻欠发达城市；西部地区各级政府部门需要进一步落实数字金融发展扶持政策，使“有形之手”在现代金融体系建设中发挥积极作用，争取早日在数字金融发展上实现“弯道超车”，带动地区高质量发展。第三，监管部门应加快完善金融监管法律法规，以适应数字金融时代下的市场变化。相关金融机构则应加强对数字金融可能带来的金融风险提升的防范意识，制定出合理的管控及应对策略。此外，监管部门要进一步加强对银行表外业务的监督管理，重点关注因数字金融快速发展而加剧的表外风险，切实减小金融风险带来的商业银行效率下降可能性。