数字普惠金融与商业银行风险承担的非线性关联研究

唐 潇

(南京财经大学金融学院，江苏 南京 210023)

一、 引言

近年来，数字技术正在以新理念、新业态、新模式全面融入人类建设各领域和全过程，基于数字技术所诞生的数字经济已经成为世界各国推动经济发展和争夺国际金融战略制高点的强大助力[1]，发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。 虽然数字技术的应用有利于赋能传统产业升级，引发了支付、理财等领域的变革，但也给传统金融机构造成了一定的冲击。 商业银行作为传统金融的主力军支柱、货币政策的重要传导渠道，在我国金融体系中居于主导地位，发展数字普惠金融是大势所趋，是实现生存所致的必要转型[2]。 其风险承担水平会通过风险传导至整个金融市场，关乎整个金融市场的稳定。 商业银行应该抓住数字普惠金融的发展机遇促进自身改革，旨在改善经营绩效、降低经营风险，以获得更大的发展空间，进而提升整个金融行业的服务水平[3]。

围绕数字技术与商业银行风险关系的研究，已有文献主要从两个角度展开。 一方面，许多学者认为数字技术的应用给商业银行的发展提供了更大的可能性。 焦瑾璞[4]研究认为数字技术的加入和快速发展在数字普惠金融发展初期有效促进金融服务工具和模式的创新，从而降低信息不对称性和金融服务边际成本，提高地理区域性和金融可得性，进而有助于提高商业银行金融服务的公平性；更为广泛的客户群还可以将银行资产负债表扩展到新的业务领域，使风险多元化，进而起到一定的风险防范作用[5]。 另一方面，还有一些学者认为数字技术的加入在促进商业银行经营模式转变的同时也带来了难以考量的风险[6]。 戴国强和方鹏飞[7]研究表明互联网金融通过提高商业银行的资金成本、降低盈利能力直接提高商业银行的破产风险，并且通过风险转移，推高贷款利率迫使企业为获取高收益而投资高风险项目，以间接提升商业银行风险承担；汪可等[8]还提出数字技术在赋能制度体系与管理组织结构创新的同时也带来了一系列的不确定性。

现有的文献对银行在数字化过程中存在的机遇与风险做了多角度详细的研究与分析，具有丰富的借鉴意义，但也存在诸多问题。 首先，许多学者仅局限于普惠金融或者金融科技的角度进行研究，而本文试图从数字技术和传统普惠金融相结合的数字普惠金融视角加以探究。 其次，不少学者从各方面对商业银行风险承担的影响因素、风险与机会做出了分析，本文将商业银行置于数字普惠金融环境中，研究发现数字普惠金融的发展与商业银行风险承担呈现倒“U”型关系，丰富了商业银行风险承担相关研究。 最后，本文参考北京大学数字金融研究中心编制的2011～2020 年度数字普惠金融指数构建模型定量分析，并进一步从覆盖广度、使用深度和数字化程度三个维度分析其影响程度。 从现实角度看，对这些问题的研究有助于加大对数字普惠金融风险问题的重视，对促进商业银行与数字普惠金融的深度融合，进而推动数字普惠金融体系可持续发展具有重要意义。

二、 理论分析与研究假设

数字普惠金融，主要体现在“普惠”和“数字”角度。 从“普惠”的角度看，数字普惠金融要求打破“二八原则”，扩展金融覆盖面，将被传统金融忽视的80%的客户纳入服务范围，提高地理区域性和金融可得性，触及金融机构原先无法或不愿涉及的偏远贫困地区，使得商业银行可以获得充足的存款和减少对不稳定性融资的依赖[9]，这就使得商业银行业务拓展面临较高的营运成本和风险。 普惠所面临的长尾客户存在低信用状况，甚至处于次级用户水平，商业银行的经营不稳定、波动风险加大，使得其不得不提高风险承担以应对风险；并且数字普惠覆盖面扩大，会分流商业银行的存款吸收和优质客户，客户平均质量下降，银行在竞争中的市场份额被瓜分，失去了垄断优势和口碑效应[10]，获利减少，其更愿意主动提高自身的风险容忍度和风险承担以对冲收益减少额。 从“数字”的角度来看，互联网数字技术的发展，使得数字普惠金融服务变得更加可行。数字移动技术的快速发展有效促进了金融服务工具和模式的创新，增加了商业银行的发展可能性[4]；银行通过不断加大金融科技的投入不仅可以扩展金融产品、优化服务流程，也可以提高自身的风险识别能力；另外，银行以数字技术为基础和载体可以推动从业人员与客户对新知识的吸收、应用和进一步扩散，进而促进旧业务的优化和新业务的诞生。 但数字技术对银行绩效的增进作用具有一定的滞后性[11]。 因此，本文提出假说1:

H1:数字普惠金融对商业银行风险承担的影响呈现先升后降的倒“U”型趋势。

三、 数字普惠金融与商业银行风险承担的关系检验

(一)模型设定与数据选取

为了验证数字普惠金融与商业银行风险承担之间可能存在的倒U 型关系，本文参考郭品和沈悦[12]的经济模型，加入平方项是为了捕捉数字普惠金融对商业银行可能存在的非线性关系。 由于银行风险存在一定的持续性[13]，因此，本文引入商业银行风险承担的一阶和二阶滞后项，具体实证模型设定如下。

式中，被解释变量 RISKi，t为银行i在t年份的风险承担水平，用Z值来表示。 DFIt为年份t的数字普惠金融指数即本文的核心解释变量。 详细的变量如表1 所示，变量数据来源于万得、Chioce 和国泰安数据库，缺失数据通过查找银行年报获取。 最终，本文选取了89 家商业银行2011 年至2020 年的数据，包括6 家大型商业银行、11 家股份制商业银行、55家城市商业银行、17 家农村商业银行，并对所有连续变量进行了上下1%的缩尾处理。

表1 变量定义

(二)基准回归结果分析

商业银行风险承担、银行微观特征变量和宏观层面变量的描述性统计如表2 所示。 表2 显示，由Z值代理的我国商业银行的风险承担的平均值为414.2，标准差为4084.1，较大的极差和高标准差说明Z值变化较大，即我国商业银行风险承担的横截面差异范围很大，这种变化和Houston 等[14]的研究一致，不良贷款率4.2 的极差也验证了这一点。

表2 主要变量的描述性统计

考虑到被解释变量的滞后项和商业银行微观特征变量与商业银行风险承担之间存在一定的因果联立关系带来的内生性问题，运用动态面板模型可以同时解决银行微观特征变量之间具有的内生性问题并有效估计被解释变量滞后项。 因此，本文借助动态面板广义矩估计，分别使用了差分GMM 和系统GMM 估计法进行回归。

回归结果如表3 所示，1、3 列是差分 GMM 估计结果，2、4 列是系统 GMM 估计结果，其中，列 1 和列2 仅考虑时间效应。 可以看出，DFI 和 DFI2系数分别为负和正，且分别在差分GMM 估计和系统GMM估计下通过了1%和5%水平下的显著性检验。 AR(2)检验和Sargan 检验结果均大于0.1，说明所有的工具都是有效的，不存在过度识别。 较高的Z值意味着更高的稳定性或更低的风险承担，反之亦然。因此，回归结果显示数字普惠金融与Z值呈现“U”型关系，即表明数字普惠金融与我国商业银行风险承担之间呈现倒“U”型关系，验证了假说 H1。 此外，3、4 列加入了控制变量后系数回归符号未发生显著变化，再次验证假说H1 成立。 列4 的估计结果显示模型是一条开口向上的抛物线，该二次函数的拐点是267.1，略小于2017 年我国各地区数字普惠金融平均总指数，由于数字普惠金融指数呈现逐年递增趋势，本文认为，2011 年至2016 年，数字普惠金融的发展增加了我国商业银行风险承担。 因此，从动态演进视角来看，数字普惠金融对我国商业银行风险承担的影响并非简单的线性关系，而是呈现出先升后降的倒“U”型特征。

表3 数字普惠金融与商业银行风险承担关系检验:基准回归

四、 结论与建议

数字技术所展示的最大优势是支持普惠金融的发展，其加大了普惠金融的覆盖面，为农村和贫困社区的银行客户提供更便利的融资渠道；与此同时，数字普惠金融也带来了一定的风险。 本文基于数字普惠金融和商业银行风险承担的相关理论进行了实证研究，结果表明数字普惠金融与Z值之间呈现倒“U”型关系，即随着数字普惠金融的发展，我国商业银行风险承担最初有所增加，在一定点后降低。 根据实证所得结果分析，2017 年是商业银行风险承担变化的转折点。 根据上述研究结果，本文提出如下建议。

第一，商业银行应当积极应对数字普惠金融带来的冲击，有度有节地与数字普惠金融相融合。 首先，商业银行应当积极响应数字普惠金融，拓宽金融服务地理区域，提供优质服务，提高竞争力避免储户流失。 其次，商业银行应当加强大数据风险管理，完善大数据风控体系。 减少信息不对称问题以提高征信准确度，避免激进型经营策略，把握盈利性与安全性之间的平衡。 最后，商业银行应当注重数字技术的稳定和创新，为银行业务拓展建立隐形风险防火墙，同时加强金融科技人才的引进与培养。

第二，完善的大数据风控体系和高效率的金融科技布局是促进数字普惠金融正向发展的有效措施。 一方面，要积极鼓励市场金融科技平台采用大数据模式，建立日益完善的大数据风控体系，精准控制每个环节，将风险做到可控，实现普惠金融的数字化向数智化发展。 另一方面，市场可以在合理合法的前提下通过高效率的金融科技布局，运用大数据、云计算等技术实现一揽子客户信息的收集，丰富数据维度与边界，有效隔离风险客户，减少因征信数据失实而产生的违约问题。

第三，在数字普惠金融渠道上保护客户数据的成本可能超过提供数字普惠金融服务的成本，这对监管机构提出了重大挑战。 新型的金融创新模式使得监管机构无法制定一刀切的监管框架来对金融服务提供商予以规范，而需要以适当和及时的方式解决问题。 因此，政府监管机构应该对数字普惠金融的各参与主体规范化监管，提高金融体系存贷基础的稳定性，引导数字普惠金融良性发展。