數(shù)字化轉型如何賦能商業(yè)銀行風險管理

摘" "要：本文構建中國商業(yè)銀行數(shù)字化轉型指數(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)字化轉型對商業(yè)銀行風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)銀行風險管理的結構性差異。結果表明：數(shù)字化轉型有助于商業(yè)銀行增強風險管理能力，從數(shù)字化轉型結構看，商業(yè)銀行在戰(zhàn)略、組織、客戶、產(chǎn)品、技術方面的數(shù)字化變革均有助于增強風險管理能力，且該結論在一系列穩(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)字化轉型主要通過增強商業(yè)銀行風險識別、分散、緩沖能力以及提升商業(yè)銀行風險管理效率的渠道，對商業(yè)銀行風險管理產(chǎn)生賦能作用。進一步研究發(fā)現(xiàn)，數(shù)字化轉型對商業(yè)銀行風險管理的賦能質(zhì)效在不同規(guī)模商業(yè)銀行中存在“馬太效應”，大型商業(yè)銀行能夠借助數(shù)字技術有效增強自身風險識別、分散、緩沖能力和提高風險管理效率；而對于廣大中小型商業(yè)銀行，數(shù)字化轉型對風險管理的賦能作用并不顯著，轉型潛力未得到充分釋放，這提醒我們需重點關注數(shù)字賦能質(zhì)效的結構性差異。

關鍵詞：金融科技；數(shù)字化轉型；風險管理；“馬太效應”

中圖分類號：F832.2" "文獻標識碼：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方式，是推動金融強國建設的重要途徑，對于增強金融服務普惠性、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)字金融服務的主導力量。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，為科學引導銀行業(yè)數(shù)字化轉型，國家有關部門先后出臺《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）》《關于銀行業(yè)保險業(yè)數(shù)字化轉型的指導意見》（以下稱《指導意見》）等綱領性文件。

部分業(yè)內(nèi)專家指出，當前中國銀行業(yè)數(shù)字化轉型仍存在發(fā)展上的不平衡性，各類型銀行數(shù)字化轉型呈現(xiàn)出強者恒強、弱者越來越弱的“馬太效應”。部分大型商業(yè)銀行憑借在行業(yè)內(nèi)的主導地位，大力推進技術、架構、服務等方面的轉型實踐，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，尤其要關注數(shù)字賦能質(zhì)效的結構性差異及其背后邏輯，以便科學引導不同類型商業(yè)銀行充分發(fā)揮數(shù)字金融的經(jīng)濟效果。

在既有研究的基礎上，本文構建中國商業(yè)銀行數(shù)字化轉型指數(shù)，從風險管理的視角切入，就數(shù)字化轉型對商業(yè)銀行風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)效的結構性差異，關注數(shù)字化對商業(yè)銀行風險管理的影響是否存在“馬太效應”。本文的創(chuàng)新之處在于：第一，構建更全面、系統(tǒng)、科學的數(shù)字化轉型度量指標。以原銀保監(jiān)會下發(fā)的《指導意見》為主要依據(jù)，結合我國商業(yè)銀行數(shù)字化轉型實踐，將商業(yè)銀行數(shù)字化轉型界定為戰(zhàn)略、組織、客戶、產(chǎn)品和技術五個層面，通過構建綜合指數(shù)對中國商業(yè)銀行數(shù)字化轉型表現(xiàn)予以測度。第二，借助構建的數(shù)字化轉型綜合指數(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)字化轉型對風險管理的賦能作用及其機制，能夠更加客觀、準確地反映商業(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”，在驗證其存在性的基礎上，對該種結構性差異的產(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)字化轉型的決策、實施和管理提供理論支撐，同時為相關部門合理規(guī)范和引導銀行業(yè)數(shù)字化轉型提供理論依據(jù)，對在更大程度上激發(fā)和釋放數(shù)字金融潛能、助推金融強國建設具有重要的現(xiàn)實指導意義。

二、理論基礎與假設提出

（一）文獻綜述

當問題聚焦于數(shù)字化對商業(yè)銀行風險管理的影響效應時，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，結論也存在分歧。許多研究支持金融科技的“外部競爭效應”。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、金融科技相關信息的媒體關注度以及地區(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，研究結論均表明金融科技將會通過惡化商業(yè)銀行存款結構提高商業(yè)銀行風險偏好，加劇其整體風險承擔。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，其風險承擔受互聯(lián)網(wǎng)沖擊的影響越明顯。也有學者基于“技術溢出”視角展開研究。例如，高昊宇等（2022）[6]借助地區(qū)專利相關信息量化地區(qū)金融科技發(fā)展水平，研究認為金融科技能夠通過緩解信息不對稱、拓展業(yè)務邊界和提高風險應對能力賦能商業(yè)銀行降低風險水平。

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測能力，證實大數(shù)據(jù)技術有助于商業(yè)銀行提取有價值的數(shù)據(jù)信息，從而降低潛在信用風險。Cheng和Qu（2020）[8]通過對百度新聞中數(shù)字技術相關關鍵詞的文本挖掘，構建商業(yè)銀行個體維度的金融科技指標，研究發(fā)現(xiàn)商業(yè)銀行金融科技賦能商業(yè)銀行降低風險，但其研究僅檢驗了二者之間的基本關系，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)務有助于增強商業(yè)銀行主動風險承擔，促進商業(yè)銀行加權風險資產(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”與“實踐應用”相關關鍵詞的文本分析和詞頻統(tǒng)計，衡量上市商業(yè)銀行數(shù)字化轉型水平，研究發(fā)現(xiàn)數(shù)字化轉型有助于通過減少管理成本、提高經(jīng)營效率降低商業(yè)銀行風險。

總的來說，既有研究為理解數(shù)字化轉型如何賦能商業(yè)銀行風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)銀行風險承擔的泛化影響，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。第二，基于商業(yè)銀行內(nèi)部數(shù)字化經(jīng)濟效應的少量研究普遍使用單一指標（如對外技術合作數(shù)量、年報中數(shù)字技術關鍵詞詞頻），只關注商業(yè)銀行某個維度的數(shù)字化如何賦能風險管理，不僅指標本身所含數(shù)字化信息更側重于商業(yè)銀行主觀轉型意愿，難以衡量其真實數(shù)字化投入和客觀轉型成果，也忽略了數(shù)字化轉型實際上是一個融合組織架構、產(chǎn)品服務、業(yè)務流程等方面變革的系統(tǒng)性工程，所得結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。樣本方面，基于對年報的文本挖掘量化數(shù)字化轉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)，所得結論不足以反映數(shù)字化轉型對廣大中小商業(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)銀行風險之間的基本關系，未能深入探討數(shù)字賦能商業(yè)銀行風險管理的結構性差異，忽視了當前實務領域可能存在的“馬太效應”。當前不同規(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)字化轉型路徑時阻力重重，轉型的賦能質(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

數(shù)字化轉型通過增強風險識別能力賦能風險管理。一方面，數(shù)字技術應用有助于商業(yè)銀行實現(xiàn)數(shù)據(jù)擴容（Zhao等，2022）[4]。從數(shù)據(jù)來源上，轉型商業(yè)銀行能夠對客戶信息進行更深度的挖掘，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、社保、海關、公積金等相關政務數(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)字技術有助于增強商業(yè)銀行對非財務類軟數(shù)據(jù)的“硬化”能力，以及對文檔、圖片、音視頻等半結構化和非結構化數(shù)據(jù)的解析轉化能力（盛天翔和范從來，2020）[13]。豐富的數(shù)據(jù)為商業(yè)銀行風險識別與管理奠定了基礎。另一方面，數(shù)字技術幫助商業(yè)銀行升級風控識別模型。轉型商業(yè)銀行運用機器學習、深度學習等先進算法構建更復雜的風險量化模型和風險特征指數(shù)，能夠精準地捕捉變量間的交互關系，實現(xiàn)對客戶的全方位畫像，對客戶信用風險進行多維度判斷（Gu等，2020）[14]。

數(shù)字化轉型通過強化風險分散能力賦能風險管理。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，導致信貸投放形成“羊群效應”，集中于某些重點行業(yè)（羅煜等，2022）[12]。得益于數(shù)字化轉型，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，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，導致系統(tǒng)性風險的衍生和集聚（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)營風險（Piercy和Lane，2006；王雄元和高開娟，2017；陸岷峰，2023）[18-20]。

數(shù)字化轉型通過強化風險緩沖能力賦能風險管理。數(shù)字技術賦能商業(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”等自動化設備替代人工，不僅能夠優(yōu)化業(yè)務流程，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，轉型商業(yè)銀行能夠對客戶行為特征進行精準分析預測，并基于此向不同地區(qū)、不同收入水平以及不同風險偏好的客戶提供個性化產(chǎn)品和服務，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增資本金，能夠提升自身資本充足水平。根據(jù)風險吸收理論（Coval和Thakor，2005）[21]，當經(jīng)營環(huán)境惡化時，資本能夠發(fā)揮緩沖作用，吸收負面沖擊帶來的損失。

數(shù)字化轉型通過提升風險管理效率賦能風險管理。數(shù)字化轉型有助于打破商業(yè)銀行內(nèi)部的“數(shù)據(jù)孤島”，加強風控各環(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)務條線的協(xié)作聯(lián)動，最終優(yōu)化風控決策效率，提升風控流程的規(guī)范性。不僅如此，傳統(tǒng)模式下，商業(yè)銀行風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”的關系型貸款，其風險決策需要經(jīng)過較多層級，不僅決策和執(zhí)行效率低下，最終實現(xiàn)的風控效果也難以保證（高昊宇等，2022）[6]。通過數(shù)字化轉型，商業(yè)銀行能夠建立自動化風控機制，實現(xiàn)信貸風險管理的集約化、標準化和批量化，從而縮短決策鏈條，壓縮人為操作和干預的空間。綜上，本文提出如下研究假設：

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

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

在認知層面，首先，數(shù)字化轉型雖長期利好，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，在轉型過程中傾向于以短期成效作為評價標準，導致對長期創(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)字技術開發(fā)線上存貸款產(chǎn)品，簡單地將傳統(tǒng)業(yè)務由“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，二者的轉型路徑也理應有所差別。當前一些小型商業(yè)銀行過度跟風數(shù)字化熱點，為了轉型而轉型，盲目模仿金融科技公司和大型商業(yè)銀行的前沿技術，忽視了自身原本的業(yè)務特色，與既往業(yè)務模式形成沖突，產(chǎn)生更多衍生管理成本，對風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)銀行已在總行設立數(shù)字化轉型相關部門，但由于缺乏完善的管理機制，實踐中對轉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)務部門與中后臺技術部門難以進行高效溝通。因此，在風控流程各個環(huán)節(jié)中，存在職責范圍界定不清、跨條線業(yè)務割裂等協(xié)同壁壘，不利于數(shù)據(jù)價值的充分釋放。最后，轉型潛力的釋放需要數(shù)字化領域專家的配合。囿于品牌影響力，小型商業(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)字人才結構與轉型要求存在較大差距，由此進一步對數(shù)字化轉型對風險管理的賦能作用形成掣肘。

在技術層面，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)治理和標準化管理滯后，資源整合和價值挖掘缺乏專業(yè)性，技術開發(fā)和數(shù)據(jù)模型建設仍處于初期摸索階段。在內(nèi)部投入方面，轉型要求商業(yè)銀行在技術研發(fā)、數(shù)據(jù)治理、信息建設等方面付出大量成本，當前許多小型商業(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，或直接將相關業(yè)務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)風險、欺詐風險和數(shù)據(jù)風險。

在產(chǎn)品和業(yè)務層面，基于“小銀行優(yōu)勢”理論（Berger和Udell，2002）[23]，中小型商業(yè)銀行在“關系型貸款”業(yè)務方面具備比較優(yōu)勢，線下網(wǎng)點服務是其主要特色，其服務對象具有區(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)字金融服務的接受度較低，可能會制約數(shù)字化轉型的成果轉化。另一方面，當前大型商業(yè)銀行憑借自身技術優(yōu)勢，通過線上渠道下沉業(yè)務重心，不斷入侵小型商業(yè)銀行的優(yōu)勢業(yè)務領域。為享受更好的服務，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”，迫使小型商業(yè)銀行不得不進一步下沉市場，被動承擔更高的風險。綜上，本文提出如下研究假設：

假設3：數(shù)字化轉型賦能商業(yè)銀行風險管理存在“馬太效應”，即相對小型商業(yè)銀行，數(shù)字化轉型對風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、研究設計

（一）模型設定

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

[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)字化轉型（DTbt-1）采用通過熵值法構建的中國商業(yè)銀行數(shù)字化轉型指數(shù)作為代理變量，回歸分析中，本文在考察數(shù)字化轉型總指數(shù)影響的同時，也從數(shù)字化轉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)字技術對商業(yè)銀行風險的影響。[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，[θt]是年份固定效應，[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)字化轉型對風險水平的影響，是本文關注的重點。

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

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

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

（二）主要變量說明

1. 被解釋變量：商業(yè)銀行風險水平（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)字化轉型對商業(yè)銀行風險水平的影響。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]為權益資本比，[sd（ROA）]為總資產(chǎn)利潤率的三年移動標準差。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、收益波動性和財務杠桿率，被認為是商業(yè)銀行破產(chǎn)風險的有效代理指標（Boyd和Graham，1986）[26]。具體來看，Z值越小代表商業(yè)銀行破產(chǎn)風險越高。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估和計提，能夠更準確地體現(xiàn)商業(yè)銀行事前信用風險?？紤]到信用風險仍是當前中國銀行業(yè)面臨的主要風險，使用上述指標作為商業(yè)銀行風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)字化轉型量化方式的基礎上，以原銀保監(jiān)會《指導意見》中關于商業(yè)銀行數(shù)字化轉型的主要內(nèi)容為依據(jù)，結合我國商業(yè)銀行業(yè)務經(jīng)營的實際特點，系統(tǒng)構建包括數(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5個一級指標、27個二級指標在內(nèi)的綜合指標體系（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)構建具體方法看，首先，對各類型二級指標數(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相對于一級指標的權重以及一級指標相對于總指標的權重。最后，通過自下而上逐級加權求和，合成中國商業(yè)銀行數(shù)字化轉型綜合指數(shù)。

相比現(xiàn)有衡量指標，該指數(shù)的創(chuàng)新之處和優(yōu)勢在于：一是相比單一指標，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型行為，而是囊括了更豐富的商業(yè)銀行數(shù)字化轉型信息。二是相比謝絢麗和王詩卉（2022）[27]的北京大學中國商業(yè)銀行數(shù)字化轉型指數(shù)（見表2），本文進行了幾點邊際拓展與延伸，包括補充和細化數(shù)字化轉型評價體系的子維度，在北京大學指數(shù)認知、業(yè)務、管理維度的基礎上，將技術維度納入一級指標體系，北京大學中國商業(yè)銀行數(shù)字化轉型指數(shù)更側重管理層面的轉型表現(xiàn)，考慮到數(shù)字技術應用能力在轉型過程中的基礎性作用，本文更關注商業(yè)銀行在技術維度的轉型表現(xiàn)。三是綜合采用文本分析、網(wǎng)絡爬蟲以及手動整理等線上線下相結合的方法，獲取來自商業(yè)銀行財務報告、互聯(lián)網(wǎng)平臺和權威機構數(shù)據(jù)庫的權威數(shù)據(jù)，能夠有效避免數(shù)據(jù)偏差，確保指標體系更具科學性、全面性、代表性、可持續(xù)性和可比性。

3. 控制變量。為緩解遺漏變量導致的內(nèi)生性問題，本文在基準模型中加入一系列可能影響商業(yè)銀行風險水平的控制變量。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)字化轉型對商業(yè)銀行風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分析數(shù)據(jù)庫（ORBIS Bankfocus）、中國研究數(shù)據(jù)服務平臺（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)字化轉型賦能商業(yè)銀行風險管理的實證結果與分析

（一）基準回歸

1. 基于數(shù)字化轉型總指數(shù)。表5匯報了數(shù)字化轉型對商業(yè)銀行風險的基準回歸結果。為盡量避免遺漏變量導致的內(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上，同時控制商業(yè)銀行個體固定效應和年份固定效應，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)字化轉型對商業(yè)銀行不良貸款比率的回歸系數(shù)均為負值，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)均為負值，且均在1%的水平下顯著，表明數(shù)字化轉型對商業(yè)銀行風險管理能力具備顯著的賦能作用，假設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，風險吸收能力越強，因此，資本資產(chǎn)比與商業(yè)銀行風險呈負相關關系；貸款資產(chǎn)比越高，商業(yè)銀行資產(chǎn)負債結構的期限錯配問題越嚴重，因此，貸款資產(chǎn)比與風險呈正相關關系；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)務擴張，所面臨的信用風險越高。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)營前景的預期越積極，風險承擔動機越強，因而可能造成更高的風險。

2. 基于數(shù)字化轉型子維度指數(shù)。表6匯報的是數(shù)字化轉型各子維度對商業(yè)銀行風險的影響。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，對Z值的回歸系數(shù)均顯著為正，對貸款準備率的回歸系數(shù)大部分顯著為負。因此，數(shù)字化轉型各子維度均對商業(yè)銀行風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)略涉及轉型頂層設計，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)字化轉型的重視程度，有助于商業(yè)銀行顛覆既有業(yè)務發(fā)展理念和經(jīng)營模式，為轉型提供有力保障，從而更大程度上釋放數(shù)字化轉型對風險管理的賦能作用。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)字化在風控方面的積極作用。同時，組織流程方面的數(shù)字化轉型將促使商業(yè)銀行風控流程趨于標準化，有助于改善部門間信息溝通效率和協(xié)同能力，提升風控體系效率。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，應用于信用風險評估環(huán)節(jié)。第四，數(shù)字產(chǎn)品方面，通過數(shù)字化轉型，商業(yè)銀行可借助數(shù)字技術生成更精準的客戶畫像，據(jù)此為不同經(jīng)濟條件、行為偏好和風險特征的消費者提供定制化產(chǎn)品，并實施差異化風險定價，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)字技術來看，數(shù)字技術指數(shù)越高的商業(yè)銀行底層技術越完善，更能夠實現(xiàn)技術與業(yè)務實踐的深度融合，為數(shù)字化轉型潛能的釋放創(chuàng)造必要條件。

（二）穩(wěn)健性檢驗

在基準回歸的基礎上，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，所得結果均與基準模型回歸結論保持一致。

1. 替換被解釋變量。為避免回歸結果受被解釋變量指標選擇的影響，表7進一步使用商業(yè)銀行風險的其他代理變量進行回歸分析，具體包括反映商業(yè)銀行財務波動風險的總資產(chǎn)收益率三年移動標準差（ROA_sd3）和總資本凈利率三年移動標準差（ROE_sd3），以及反映商業(yè)銀行貸款違約風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)字化轉型綜合指數(shù)）?？紤]到數(shù)字化轉型指數(shù)的科學性和合理性可能對基準回歸結果產(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)構建包括無量綱處理和權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；權重確定除使用熵值法外，也可使用等權法。由此形成極差_熵值指數(shù)（DT）、極差_等權指數(shù) （DT_極差等權）、功效_熵值指數(shù)（DT_功效熵值）、功效_等權指數(shù) （DT_功效等權），本文使用極差_熵值指數(shù)（DT）參與基準回歸，表8匯報的是換用其他三類指數(shù)后的回歸結果。

3. 替換核心解釋變量（其他數(shù)字化轉型代理變量）。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)字技術詞頻（L.數(shù)字技術）進行基準模型回歸。其中，數(shù)字戰(zhàn)略詞頻為商業(yè)銀行年報中數(shù)字戰(zhàn)略相關關鍵詞出現(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)字技術詞頻為商業(yè)銀行年報中數(shù)字技術相關關鍵詞出現(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)字技術基礎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)。在相關性上，商業(yè)銀行數(shù)字化轉型的落地實施需要大量熟悉軟件開發(fā)、數(shù)字技術應用的高精尖專業(yè)人才完成產(chǎn)品研發(fā)、運維管理等技術工作，當前各類型商業(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)技術人才。在外生性上，商業(yè)銀行風險并不會直接受到數(shù)字人才儲備的影響。（2）數(shù)字技術基礎。選取商業(yè)銀行總部所在地專利授權量作為工具變量，從相關性上看，專利授權量越多的地區(qū)，數(shù)字化轉型的技術基礎越扎實，當?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)銀行風險水平并不會直接受到地區(qū)專利授權量的影響。從回歸結果看，根據(jù)表10，第（1）列第一階段模型的估計結果顯示，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)計相關性。根據(jù)第（2）—（4）列對第二階段的估計結果，核心解釋變量的回歸系數(shù)方向與基準回歸保持一致。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)略提出當年及之后年份取1，之前取0）作為被解釋變量，預測每家商業(yè)銀行數(shù)字化轉型的概率。第二階段將第一階段估計得出的逆米爾斯比率（IMR）加入基準模型的估計中，以緩解樣本選擇偏誤。表11的結果表明，加入逆米爾斯比率后，核心解釋變量的系數(shù)符號仍與基準回歸保持一致，表明基準回歸的結果是穩(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，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，結果與基準回歸保持一致。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，不存在二階序列自相關。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模型的設定標準，因此，所得估計結果是一致和有效的。

五、數(shù)字化轉型賦能商業(yè)銀行風險管理的機制分析

（一）風險識別能力

為檢驗數(shù)字化轉型是否通過增強風險識別能力賦能商業(yè)銀行風險管理，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檢驗。之所以這樣選取，是由于當商業(yè)銀行事前風險識別難度較大時，往往傾向于要求借款人提供足值的抵押品。如果商業(yè)銀行能夠對借款人的信用風險進行預判，準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致商業(yè)銀行風險提高。另外，隨著風險識別模型的優(yōu)化，商業(yè)銀行對長尾客戶的金融服務能力增強，同樣有助于提升個人貸款所占比重。根據(jù)表13第（1）和（2）列的回歸結果，數(shù)字化轉型對商業(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)字化轉型通過增強風險識別能力賦能商業(yè)銀行風險管理的機制。

（二）風險分散能力

為檢驗數(shù)字化轉型是否通過增強商業(yè)銀行風險分散能力賦能商業(yè)銀行風險管理，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）列的結果顯示，數(shù)字化轉型對商業(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，即數(shù)字化轉型有助于降低商業(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致的潛在信貸風險。因此，數(shù)字化轉型通過降低貸款集中度、增強商業(yè)銀行風險分散能力賦能風險管理的渠道得以驗證。

（三）風險緩沖能力

為檢驗數(shù)字化轉型通過增強風險緩沖能力賦能商業(yè)銀行風險管理的機制，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）列的回歸結果來看，數(shù)字化轉型對商業(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)銀行吸收負面沖擊帶來的潛在損失。由此驗證假設2中數(shù)字化轉型通過提升盈利水平、增強商業(yè)銀行風險吸收能力賦能風險管理的機制。

（四）風險管理效率

為檢驗數(shù)字化轉型是否通過提升風險管理效率賦能商業(yè)銀行風險管理，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)銀行風險管理效率的代理變量進行中介效應檢驗。其中，效率指標參照余晶晶等（2019）[28]，通過隨機前沿模型方法計算得到。從表13第（7）、（8）列?？梢钥吹?，數(shù)字化轉型對商業(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，且均在1%的水平下顯著。這在一定程度上驗證了數(shù)字化轉型通過改善風控效率賦能商業(yè)銀行風險管理的作用機制。即借助數(shù)字賦能，商業(yè)銀行能夠建立自動化風控體系，降低對人力的依賴，同時也有助于通過標準化信息系統(tǒng)，增強商業(yè)銀行內(nèi)部各業(yè)務條線的協(xié)作聯(lián)動，從而優(yōu)化風控決策效率。

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

（一）“馬太效應”的存在性

為直觀反映數(shù)字化轉型對商業(yè)銀行風險管理的賦能作用是否存在“馬太效應”，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)字化轉型對商業(yè)銀行風險管理賦能效果的差異，并借助似不相關模型（SUR）對組間系數(shù)差異予以檢驗。若數(shù)字化轉型對大型商業(yè)銀行風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)字化轉型在不同規(guī)模商業(yè)銀行之間存在“馬太效應”，相反，則證明“馬太效應”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的回歸結果，無論使用不良貸款比率、Z值還是貸款撥備率作為風險的代理變量，數(shù)字化轉型對商業(yè)銀行風險的回歸系數(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回歸檢驗對兩組回歸中數(shù)字化轉型的系數(shù)進行統(tǒng)計差異檢驗，結果顯示組間系數(shù)差異顯著，因此，數(shù)字化轉型對兩類商業(yè)銀行風險管理的賦能效果分化明顯，存在顯著的“馬太效應”。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)銀行受制于各種復雜因素，在尋求數(shù)字賦能方面仍處于弱勢地位，轉型對其風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)字化轉型發(fā)展的不平衡性和不充分性，由此驗證了假設3。

（二）“馬太效應”的產(chǎn)生機制

本文進一步探究上述“馬太效應”的產(chǎn)生機制，分別研究數(shù)字化轉型對兩類商業(yè)銀行風險識別、分散、緩沖能力和風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)銀行風險識別能力的信用貸款占比（CreditLoan）、衡量商業(yè)銀行風險分散能力的前十大客戶貸款集中度（Top10Loan）、衡量商業(yè)銀行風險緩沖能力的總資本凈利率（ROE）以及衡量商業(yè)銀行風險管理效率的經(jīng)營效率（Effienciency）。根據(jù)表15匯報的結果，各列回歸中數(shù)字化轉型的回歸系數(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)字化轉型在大型商業(yè)銀行中更能發(fā)揮其對風險識別、分散、吸收能力以及風險管理效率的賦能作用，從而降低整體風險水平。

從風險識別能力來看，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，能夠與外部機構開展更深入的合作，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條件加強數(shù)據(jù)治理能力建設，通過對多方數(shù)據(jù)予以交叉驗證，確保所獲信息的準確性和真實性，從而更好地服務于信用風險評估。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，難以通過對信用風險評估模型的持續(xù)優(yōu)化增強自身應對信息不對稱的能力。

從風險分散能力來看，受品牌影響力的制約，小型商業(yè)銀行地域性相對更強，社會認可度不夠高，業(yè)務輻射半徑偏短，服務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)務等新產(chǎn)品開發(fā)方面缺乏足夠經(jīng)驗。即便數(shù)字化轉型得以落地推進，對小型商業(yè)銀行產(chǎn)品和服務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)字化轉型對信貸在地區(qū)間、行業(yè)間的分散作用不明顯。

從風險緩沖能力來看，小型商業(yè)銀行大多處于數(shù)字化布局的初期階段，業(yè)務渠道有限，產(chǎn)品推廣阻力較大，適合在細分領域精耕細作，而大型商業(yè)銀行能夠進行場景生態(tài)建設，在更廣的領域獲客，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)可能會降低投資轉化率，并且?guī)硐鄳难苌芾沓杀?。因此，短期?nèi)轉型對小商業(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，從而更好地應對外部沖擊，增強自身風險吸收能力。

從風險管理效率來看，數(shù)字化轉型給原有業(yè)務模式帶來根本性變革，要求業(yè)務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準化的同時，也與固有經(jīng)營模式形成沖突。在轉型實踐中，小型商業(yè)銀行的資源編排與數(shù)字化轉型要求的技術架構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，普遍技術實力有限、專業(yè)人才不足、組織管理和業(yè)務協(xié)調(diào)能力偏弱。因此，短期內(nèi)小型商業(yè)銀行對數(shù)字化風控系統(tǒng)的利用效率偏低，數(shù)字化轉型對風險管理效率的賦能作用難以得到充分發(fā)揮。

七、研究結論與政策建議

（一）研究結論

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

（二）政策啟示

基于研究結論，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)字化轉型加強風險管理能力。在此過程中，一方面，要打破傳統(tǒng)路徑依賴，整合服務于數(shù)字賦能的資源編排。當前許多商業(yè)銀行轉型思維并未真正形成，配套資源仍難以適應數(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的轉型路徑。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，成為數(shù)字金融生態(tài)系統(tǒng)的主導者。而對于小型金融機構而言，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)字化手段在該細分領域提供數(shù)字金融服務。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，要客觀認識數(shù)字化對商業(yè)銀行的賦能作用及其結構性差異。監(jiān)管部門要就商業(yè)銀行數(shù)字化轉型的內(nèi)容、策略、路徑等問題給予科學指引，發(fā)揮數(shù)字化轉型在金融體系風險防范方面的正向作用。特別是針對數(shù)字化轉型賦能商業(yè)銀行風險管理在不同規(guī)模商業(yè)銀行中存在的“馬太效應”，有關部門需加強關注，增強對小型商業(yè)銀行數(shù)字化轉型的戰(zhàn)略與技術指導，同時加大相應的政策支持和資源傾斜力度，充分發(fā)揮數(shù)字化轉型對不同規(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)濟的服務能力。

參考文獻：

[1]邱晗，黃益平，紀洋.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、存款競爭與銀行風險承擔 [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)金融與銀行風險承擔：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)銀行風險承擔 [J].金融研究，2022，（09）.

[11]蔣海，唐紳峰，吳文洋.數(shù)字化轉型對商業(yè)銀行風險承擔的影響研究——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)營轉型——基于傳統(tǒng)業(yè)務結構變遷視角 [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)市場結構與小微企業(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)絡效應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)字化轉型風險類型、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)字化轉型：測度、進程及影響 [J].經(jīng)濟學（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？——貧困戶與非貧困戶的經(jīng)驗比較 [J].金融研究，2020，（07）.