罗公利　彭金科

摘要：文章选取了2007-2021年42家A股上市商业银行年度数据对数字化转型对银行系统性风险的影响进行实证研究。研究表明，数字化转型能够有效降低银行系统性风险，将数字化转型进行细分，并将其按照对系统性风险影响因素大小进行排序，得出人工智能技术＞大数据技术＞云计算技术＞数字技术应用，区块链技术并不能显著降低银行系统性风险；相对于国有银行，数字化转型对于非国有银行系统性风险降低效果更强；非国有商业银行应用人工智能技术、大数据技术在降低系统性风险上效果更好，但在数字技术应用领域上降低系统性风险上效果不显著，国有商业银行能够应用人工智能技术和大数据技术降低自身系统性风险，但应用云计算技术降低系统性风险效果不显著；数字化转型通过影响银行营运资本比率和银行规模两条渠道降低商业银行系统性风险。文章为商业银行借助数字化转型的手段，防范金融领域的重大风险，“守住不发生系统性风险底线”提供了参考。

关键词：数字化转型；上市商业银行；系统性风险

一、引言

近年来，随着人工智能、大数据等数字化技术不断完善，以商业银行为代表的金融机构也逐渐进行数字化转型。党的二十大提出，要“深化金融体制改革，推进金融安全网建设，持续强化金融风险防控能力”。商业银行作为我国金融系统中重要的一环，应当运用数字化手段重塑运营模式，完成自身管理体系的革新，防止金融体系发生重大系统性风险。

目前国内外学者针对商业银行的数字化转型开展了大量的研究，然而研究数字化转型与商业银行系统性风险领域的文章相对较少，吴非将数字化转型细分为人工智能技术、大数据技术、云计算技术、区块链技术和数字技术应用去研究数字化转型对股票市场波动性的影响及渠道机制，但是仅去揭示金融体系的波动性，并未深入到企业个体的风险领域。蒋海将数字化转型进一步划分，研究数字化转型对于商业银行风险承担的影响，然而其仅将不良资产贷款率和违约概率等资产负债表指标作为衡量风险承担的标准，对于商业银行风险体系概括的并不全面，也没有考虑到基于流动性短缺产生的挤兑等系统性风险出现的可能性。吴文祥将数字化转型对系统性风险的影响进行研究，但是其并没有对数字化转型进行细分，研究结果也仅停留在数字化转型整体层面对于系统性风险的影响，并未考虑在这一过程中诸如人工智能技术、大数据技术、云计算技术等细分领域在降低系统性风险过程中的具体作用效果。

基于前人研究的基础上，本文可能的创新之处在于：第一，将数字化细分领域应用于系统性风险的影响研究中，探究不同领域的数字化技术影响系统性风险的作用大小并进行排序。第二，将数字化转型细分化领域对于系统性风险影响的不同根据所有制进行异质性分析，获取国有银行和非国有银行在五种细分领域上应用的不同并分析其成因。本文的研究成果将为研究数字化转型与系统性风险领域进一步丰富理论框架，有利于国家对于不同的商业银行实行差异化的政策指导，更精细化地使用数字化手段管控商业银行系统性风险，为不同所有制下商业银行未来的发展以及改革的方向提供了参考。

二、理论假设

数字化转型可以细分为不同的领域，不同领域对于系统性风险的作用效果同样存在差异。吴非发现数字化转型在影响资本市场流动性时，结构上存在异质性特征，蒋海认为数字化转型在影响银行风险承担过程中，区块链技术相对于人工智能、大数据等其他技术时具有更大的影响效果。由此可知，数字化转型是各种数字技术细分领域的集合，而数字技术在银行风险管理过程中起到的作用存在差异，参照前人的研究，本文认为数字化转型作用于系统性风险，与数字化转型作用于商业银行风险承担在某些方面同样存在一致性规律。

由此提出了假设1：数字化转型细分领域对系统性风险的影响效果存在差异。

产权性质以及商业银行类型会对数据网络结构与银行效率间的关系产生异质性影响，而数字化转型与数据网络结构的构建有着相似性。吴文洋等通过研究发现数字化转型对于非国有银行系统性风险的降低效果更为明显，然而却并没有进一步细分数字化转型对其内在机制的影响，蒋海认为数字化转型对于小型银行风险承担的抑制水平更明显，而国有银行大多资产实力较为雄厚，小型银行则偏向于非国有银行。因此本文认为在研究数字化转型对于系统性风险的影响过程中，银行产权的不同会对作用效果产生异质性影响。

由此提出了假设2：产权的不同会影响商业银行使用数字化转型细分领域对于系统性风险的作用效果。

蒋海认为数字化转型能够帮助商业银行审查借款者的信用状况，避免在外界宏观环境恶化时大量低质量抵押品的積压使得资产价格螺旋产生，而且数字化转型的过程促进了商业银行的运营效率，商业银行可以减少经营过程中冗余的营运资本以补充自身的流动性，除此之外，数字化转型的出现能够促使商业银行扩展其规模，银行规模的扩张提高了商业银行抵御系统性风险的能力，加之国家对于商业银行“大而不倒”的政策背书，

由此提出了假设3：数字化转型通过作用于营运资本比率和银行规模两大中介渠道影响系统性风险。

三、实证研究设计

（一）样本的选择和数据来源

本文选取了A股42家上市商业银行在2007-2021年的非平衡财务面板数据，除了包括数字技术、区块链、人工智能发展最迅速的年代，同样包含了欧债危机、俄罗斯金融危机、新冠疫情等全球性金融风险事件，能够较好的反映出数字化转型的存在对银行防控降低自身系统性风险，防控外部系统性风险事件的影响。

（二）变量的选择与模型的设定

首先，构建基准回归模型，检验数字化转型对于系统性风险的影响：

其次，考察数字化转型对于商业银行系统性风险的影响机制，引入中介变量进行回归分析：

最后，为了考察产权对于数字化转型的影响，设置如下拓展模型：

CoVaRi，t代表着商业银行个体所面临的系统性风险。其中，i=1，2，……N表示银行个体，t=1，2，……T表示年度。SOE=1代表国有资本控股的上市商业银行，SOE=0代表非国有资本控股的上市商业银行。考虑到银行系统性风险会受到其他银行个体因素的影响，模型中还控制了银行固定效应αi，μi，t为个体固定效应，εi，t为随机扰动项。

被解释变量，Adrian等（2016）提出条件在险价值法CoVaR能够更好地估测金融机构间的风险溢出效应，更适合度量系统性风险，因此本文选用CoVaR作为系统性风险的代理变量，使用系统性期望损失边际期望损失MES进行稳健性检验。

核心解释变量，本文爬取商业银行年度财务报表，并使用Jieba分词模块对上市商业银行银行财务报表中涉及“数字化转型”相关的关键詞进行分类与统计，将数字化转型指数DF细分为人工智能技术AI、区块链技术BD、云计算技术CC、大数据技术DT、数字技术应用ADT五个维度来研究。

控制变量，本文选取的宏观控制变量Mac_Controlt主要包括：广义货币增速（M2），以广义货币增速表示。经济增速（LnGDP），以国内生产总值取对数表示。微观层面控制变量Mir_Controli，t-1主要包括：杠杆率（Lev），银行总资产与权益资产之比，代表商业银行负债运营的程度大小。总资产收益率（ROA），营业收入与银行总资产之比，代表了商业银行的盈利能力。总资产周转率（ATO），销售收入与商业银行总资产之比，代表了商业银行的运营效率。

中介变量，中介变量Mediatori，t主要包括：银行规模（Lnsize），银行规模（亿元）取对数表示。营运资本比率（Cashflow），营运资本除以总资产，而营运资本为营运资产减营运负债，代表了银行为实现经营活动中投入必要的资金比例。

四、回归分析

（一）基准回归测试

为了确定数字化转型与商业银行系统性之间的相关研究更适合固定效应模型还是随机效应模型，本文进行了Hausman检验，结果显示均拒绝了个体异质性α与所有解释变量不相关的原假设，因此本文更适用于固定效应模型。

在表1的第（1）列回归中，数字化转型DF的系数为-0.005，且在1%的显著水平上显著，该结果表明数字化转型与银行系统性风险之间存在负相关关系，数字化转型有效降低了系统性风险。表1的（2）～（6）列的回归中，人工智能技术AI、云计算技术CC、大数据技术DT、数据应用技术ADT的系数分别为-0.015、-0.006、-0.009、-0.004，且分别在1%、5%、1%、5%显著性水平上显著，该结果表明，人工智能技术、云计算技术、大数据技术以及数字技术应用的使用均显著降低了银行的系统性风险。而区块链技术BD对于系统性风险没有显著的降低作用。对比各组系数发现，人工智能技术AI系数的绝对值最大，大数据DT次之，最后为云计算技术和数字应用。说明数字化转型5个子指标对于系统性风险降低作用的强度由大到小依次为：人工智能技术＞大数据技术＞云计算技术＞数字技术应用＞区块链技术。

（二）异质性分析

结果显示，表2的第（1）列、第（7）列回归中，非国有银行组DF的系数绝对值更大，说明数字化转型对非国有银行系统性风险的降低作用更为明显。其原因在于非国有银行其本身系统性风险的累积量就要比国有银行更高，且风险管理体系较国有银行来说相对不成熟，判断贷款者信用状况、识别坏账能力不高，因此需要数字化领域的工具提供辅助，帮助弥补了非国有银行以往该领域的短板，因此数字化转型对于非国有银行风险系统性风险管控更为有效。

第（2）列、第（12）列、第（8）列、第（11）列回归中，非国有银行组人工智能技术AI、大数据技术DT的系数绝对值更大，说明数字化转型细分领域下，人工智能技术AI和大数据技术DT对于非国有银行系统性风险的降低效果更显著，而大数据技术DT与坏账系统和征信系统息息相关，能够有效的帮助非国有银行管理自身坏账，降低坏账损失，而人工智能技术AI则能完成实时监控企业关键性指标，保障企业流动性，完善员工架构，防止道德风险发生的任务，而国有银行在这些方面做得比非国有银行更完善，因而非国有银行系统性风险降低效果更显著。

第（4）列回归中，CC的系数在1%的水平上显著为负，但在第（10）列中CC的系数不显著，说明云计算技术对于非国有银行系统性风险有降低效果，但是对于国有银行无效。因为云计算通过云端的方式进行多样化的数据管理、保障客户数据的安全性，防止客户数据丢失。国有银行基于政府公信力背书，且安全性较高，数据安全工作更加完善，基本不会出现用户数据丢失和泄漏的风险，因而该领域对非国有银行有效，对国有银行不敏感。第（6）列回归中ADT的系数不显著，但在第（12）列回归中ADT的系数在1%的水平上显著为负，说明数字技术应用对于国有银行系统性风险有降低效果，但是对于非国有银行无效。因为相较于非国有银行来说，国有银行缺乏创新性，且体制相对固定、不易更改，而数字技术应用实现了银行运营新模式的创新，改变了国有银行固有的冗杂的运营模式，实现了内部体制变革的自然过渡，有效地降低系统性风险。

（三）数字化转型的中介效应模型

通过实证研究，见表3，观测结果（1）可以得到，数字化水平（DF）对于营运资本比率（Cashflow）在5%的显著性水平上为负，因为现金流比率为营运资本与银行总资产之比，银行数字化水平越高，其管理层对于商业银行的经营把控越是精准，日常维持公司正常经营的现金流随着数字化程度的提高大大减少，提高了公司运转的效率。通过结果（2）可以得出，加入了营运资本比率（Cashflow）后，营运资本比率（Cashflow）对于系统性风险MES在10%显著性水平上显著为正，说明银行在经营过程中为了维持必要正常运营所用的现金流越少，银行就能储备下更多的资金用于应对流动性风险的发生。而流动性的短缺是导致系统性风险的重要因素之一，因此数字化水平通过影响营运资本的比率是降低系统性风险的重要机制。通过实证研究，观测结果（3）可以得到，数字化水平（DF）对于银行规模（Lnsize）在1%的显著性水平上为正，应为商业银行通过提高数字化水平（DF）提高了经营管理的效率，降低了商业银行拓展规模的成本，商业银行就有动机去实现自身业务的扩展。通过结果（4）可以得出，加入了银行规模（Lnsize）后，银行规模（Lnsize）对于系统性风险MES在1%显著性水平上显著为负，说明商业银行在规模扩大的过程中，积累的经营经验越多，银行体量越大抵御系统性风险的能力越强，因此数字化水平通过影响银行规模的大小也是影响系统性风险的重要机制。

（四）内生性问题的考虑与处理

为了缓解数字化转型与系统性风险可能存在的双向因果问题，将核心解释变量引入滞后期进行回归，见表4。滞后一期的数字化转型程度（L.DF）对于系统性风险CoVaR的系数显著为负，符合基本回归模型结果，说明考虑内生性问题情况下，前文的实验结果依旧成立。

除此之外，本文借鉴蒋海和谢绚丽的研究，采用工具变量回归进行内生性问题的检验，将互联网普及率作为数字化转型的工具变量。互联网普及率偏向于信息技术领域，其发展的快慢与科技的发展正相关，于金融领域的商业银行而言具有完全的外生性。然而数字化转型的发展却依赖于互联网技术为依托，二者有很强的相关关系，见表5。通过面板工具变量2SLS方法回归结果表明，在第一阶段的回归模型中，数字化转型（DF）与互联网普及率（Internet）在1%的水平上显著正相关，满足工具变量的相关性要求，在二阶段回归模型中，互联网普及率（Internet）在10%的水平上显著负相关，与基本回归模型中数字化转型的回归结果相同，因此本文结论考虑内生性问题后仍然是成立的。

五、结论与政策建议

本文选取了2007-2021年42家上市商业银行的年度数据，实证检验了数字化转型对于系统性风险的影响。本文主要结论归纳为：一是数字化转型降低了上市商业银行的系统性风险，且在数字化转型细分领域下，对于系统性风险的降低效果从高到低排序为人工智能技术＞大数据技术＞云计算技术＞数字技术应用，区块链技术的应用对于系统性风险的降低没有显著影响。二是数字化转型对于银行系统性风险的降低存在异质性特征，数字化转型对于非国有商业银行系统性风险降低效果最大，其细分领域中，人工智能技术和大数据技术对于国有银行和非国有银行均有降低作用，非国有银行降低效果更显著；云计算技术仅对非国有银行有效，数字技术应用仅对国有银行有效，区块链技术对两者均没有显著效果。三是数字化转型通过影响商业银行的营运资本和银行规模来降低其系统性风险

本文的政策启示为：第一，银行应当加快自身数字化的进程，着重在人工智能技术和大数据领域加大研发投入，优化借款者的信用调查和识别，坏账烂账的发生；实时监控企业关键性指标，保障企业流动性，防止挤兑风险。第二，非国有银行应当在人工智能技术、大数据技术、云计算技术上增加研发投入，以弥补自身数据安全工作不完善，体系运营不成熟等多方面的短板，国有银行应当将研究重点放在人工智能技术、大数据技术、数字技术应用等方面，借用数字化手段实现银行运营新模式的创新，应当改变国有银行固有的冗杂的运营模式，有效的降低系统性风险。政府也应当根据银行产权不同，给予差异化的政策引导，针对商业银行实施监管时，关注不同类型的关键指标，切忌同一化，一刀切。第三，银行应当将数字化转型与降低营运资本和扩大银行规模两个渠道结合，通过人工智能技术集合在运营过程中非必要的冗余资金，精减非必要的业务流程，释放流动性；通过人工智能技术、大数据技术结合，对于商业银行内部管理架构进行更新，提高管理效率，降低了规模增加时边际管理成本，有利于银行业务的扩展和抵御系统性风险能力的加强。

参考文献：

[1]吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021，37（07）：130-144+10.

[2]蒋海，唐绅峰，吴文洋.数字化转型对商业银行风险承担的影响研究——理论逻辑与经验证据[J].国际金融研究，2023（01）：62-73.

[3]吴文洋，蒋海，唐绅峰.数字化转型、网络关联性与银行系统性风险[J/OL].中国管理科学：1-12[2023-09-26].

[4]谢绚丽，王诗卉.中国商业银行数字化转型：测度、进程及影响[J].经济学（季刊），2022，22（06）：1937-1956.

＊基金项目：山东省社会科学规划重大委托项目“数字文化与文化數字化研究”（编号：22AWTJ25）。

（作者单位：山东科技大学经济与管理学院）