周凡

（中华女子学院管理学院，北京 100101）

摘要：在数字技术迅猛发展的现实背景下，采用中国商业银行微观面板数据，研究商业银行数字化转型对信用风险的影响机制及异质性特征。实证结果表明：商业银行数字化转型提高了银行整体信用风险（聚集效应）。数字化转型对信用风险的影响呈现非对称性：数字化转型提高中小银行信用风险：却对大型商业银行信用风险没有影响；进一步研究表明中小银行增强零售业务布局可降低“聚集效应”的影响。研究不仅深化了金融科技与风险管理交叉领域的理论认知，也为商业银行数字差异化转型路径设计与监管政策优化提供实践启示。

关键词：数字化转型；信用风险；“聚集效应”；非对称性

一、引言

21世纪以来，数字技术的迅猛发展深刻改变了全球银行业的竞争格局和风险承担模式；科技金融作为金融五大文章之首，也以越来越多的次数出现在政府工作报告和中央金融会议中。现实世界，面对金融科技公司的冲击，商业银行加速推进数字化转型，通过数据驱动、智能风控等技术手段开始重塑业务模式。然而，数字化转型对信用风险的影响呈现复杂特征：一方面，技术赋能可优化风险识别与管理效率，降低不良贷款率“分散效应”；另一方面，技术依赖、数据集中与业务趋同可能导致风险提升呈现“聚集效应”。这种非对称效应在大型银行与中小银行之间可能进一步分化，对以间接融资为主的中国银行业而言，商业银行数字化转型对信用风险的影响始终悬而未决；同时，对大型国有银行和中小银行而言，数字化转型对信用风险的影响机制也是有莫衷一是的，这就是本文的研究问题。

值得关注的是，现有文献多聚焦数字化转型对信用风险的单一作用方向，但对其内在的异质性分化逻辑缺乏系统性研究。同时，未能充分结合中国银行业“分层竞争”的现实特征，也较少探讨中小银行在资源约束下的风险缓释策略。本文基于北京大学商业银行数字化转型数据和CSMAR中国商业银行财务指标微观数据，建立双向固定效应模型，具体探究商业银行数字化转型对信用风险的影响究竟是“分散效应”还是“聚集效应”？同时具体分类论证国有大型商业银行和中小银行的差异性及应对方法。

本文的贡献主要体现在以下几个方面：一是通过“聚集效应-分散效应”二元框架揭示了数字化转型对信用风险的影响；二是不对称性效应导致的信用风险分化逻辑；三是研究结论为商业银行差异化转型选择提供了理论依据，也为监管部门平衡创新激励与系统性风险防控指明了方向。

本文共计五个部分：第二部分介绍理论分析与研究假设；第三部分阐述研究设计，包括模型设计、变量测度、数据来源等；第四部分详述实证结果及分析；第五部分根据研究结果给出研究结论及政策建议。

二、理论分析与假设提出

（一）商业银行数字化转型对信用风险影响的微观机理

国际研究多聚焦于金融科技对银行风险的影响。一方面，信息技术可以通过缓解信息不对称（Berger和Udell，2002^[1]；Dell’Ariccia 和 Marquez，2004^[2]）、提升风险管理效率直接或间接（Khattak等，2023）^[3]降低银行风险承担；另一方面，数字化导致的竞争压力（Banna等，2021）^[4]和技术依赖可能反向导致信用风险增加，甚至是系统风险。值得注意的是，部分学者基于不同理论视角提出了中间立场：Andrew（2000）^[5]的投资组合理论模型表明，金融科技对风险结构的改变可能对信用风险产生方向相反的抵消效应；Boot et al.（2021）^[6]进一步指出，金融科技可能通过技术溢出效应降低银行风险，但也可能因竞争加剧导致风险偏好上升。

国内学者围绕数字化转型与信用风险的关系展开了多维度探讨。一方面，多数学者分别从强化信息透明度，优化贷款结构和拓展中介业务角度（代婉瑞，2023）^[7]，提高运营效率和管理成本角度（梁方等，2022）^[8]，或者基于文本挖掘和机器学习的方法（郭峰等，2023）^[9]论证了商业银行数字化转型对信用风险降低作用（朱小能和李雄一，2022）^[10]；另一方面，部分文献认为金融科技的投入对信用风险存在滞后性的抑制作用，数字化转型通过增加竞争提升事前风险承担、降低事后风险承担（贾妍妍等，2024）^[11]，数字化转型过程中伴随技术风险、法律风险和操作风险可能加剧银行的信用风险。

随着研究深入，学者开始关注银行类型的差异。大型银行数字化转型中凭借资本实力（Berger等，2016）^[12]、技术优势，上市银行凭借监管压力和信息透明度要求（DeYoung等，2008）^[13]有效分散风险；而中小银行因资源有限，数字化转型可能迫使其转向高风险零售业务，导致信用风险上升。国内的分类研究中，刘春航（2021）^[14]从银行价值链重构的角度，论证了数字化转型使得大型银行通过业务集中分散风险，而中小银行因技术外包和客户下沉面临更高的操作风险与数据安全风险（谢绚丽和王诗卉，2022）^[15]；金融科技使得优质客户集中于大型银行，中小银行信用风险增加（徐成江，2022）^[16]，也有学者认为数字化转型显著提高了国有大型银行的风险承担水平，但对中小商业银行的影响不显著（徐蕾，2024）^[17]；中小银行更加依赖金融科技缓解宏观经济不确定性对银行风险承担的抑制，从而提升其风险承担能力（梁方等，2022）^[8]。

（二）研究假设的提出

商业银行数字化转型对信用风险的影响主要产生两种效应：一是“聚集效应”；二是“分散效应”。“聚集效应”是指数字化转型可能通过技术依赖、数据集中或业务趋同性导致信用风险在特定领域或时间窗口内积聚，表现为不良贷款率的上升或系统性脆弱性增强：如果银行采用相似算法开发风控模型，导致信贷决策逻辑趋同，当发生外部冲击，风控模型面临系统性失效；如果数字化转型是合作模式，核心数据可能被平台垄断，加剧风险评估偏差，国际清算银行（BIS）报告指出，依赖第三方数据的银行对小微企业贷款的不良率波动性比自建数据体系的银行高30%；如果银行不了解线上客户的地域特征，容易引发风险跨区传染。“分散效应”是指数字化转型通过识别长尾客户、累计客户多样化维度进行精准画像、实施动态风险管理，实现信用风险的精细识别与分散承担，降低不良贷款率：大数据技术能够将传统财务指标扩展至行为数据，比如：工商银行“工银聚链”平台通过分析核心企业上下游500+维度的交易数据，极大地降低了供应链金融不良率；智能投顾、线上理财等业务带来非利息收入增长，跨周期风险对冲降低信用风险；实时数据流支持贷款利率与风险水平的动态匹配，例如，网商银行通过卫星遥感监测农作物生长情况，对农业贷款实施按季浮动定价，将坏账率控制在1%以内。综上所述，银行数字化转型对信用风险的影响主要取决于“聚集效应”和“分散效应”的净效应，因此，本文提出：

H1-1：如果“聚集效应”占主导，商业银行数字化转型提升信用风险；

H1-2：如果“分散效应”占主导，商业银行数字化转型降低信用风险。

进一步区分大型银行和中小银行的差异。一是技术投入差异：大型银行凭借雄厚的资本实力，金融科技投入持续加大，例如：2022年六大国有银行金融科技总投入达1165亿元，占营收比例约3.47%，显著高于中小银行。二是数据获取能力差异，大型国有银行通过自建数据平台，整合工商、税务、供应链等多维度数据，通过构建精准风险评估模型降低不良贷款率，例如国有银行平均数据存储量达20PB，涵盖客户全生命周期行为数据；中小银行数据量不足1PB，且60%为结构化数据。三是技术模型差异：国有银行通过自主技术构建精准风险评估模型，中小银行普遍采购标准化风控模型，导致信贷决策趋同。疫情期间，多家银行因未纳入公共卫生变量，线上消费贷不良率骤升。因此，本文提出：

H2：商业银行的数字化转型增加中小银行信用风险，不影响大型商业银行信用风险。

中小银行在数字化转型进程中被迫将业务下沉至长尾市场，在战略层面要规避同质竞争引起的信用风险上升，可以选择零售业务战略导向，有效减弱数字化转型对信用风险的作用。因此，本文提出：

H3：在数字化转型的进程中，中小商业银行通过增加零售业务降低信用风险。

三、研究设计

    根据前述三个研究假说，实证设计分为三部分：第一，研究模型；第二，变量测度；第三，数据来源与样本分析。

（一）研究模型

（二）变量测度

1.商业银行数字化转型

商业银行数字化转型的指标来源于北京大学中国商业银行数字化转型指数，该指数从战略、业务和管理三个维度搭建指标体系，形成数字化转型总指数DIG_T、战略数字化指数DIG_S、业务数字化指数DIG_B和管理数字化指数DIG_M共计四个指标。指标样本包含：中国6家国有商业银行、12家股份制商业银行、128家城市商业银行、54家农村商业银行、29家外资银行以及17家民营银行，时间从2010年-2021年，同本文的样本期。

2.信用风险

采用不良贷款率作衡量信用风险，优势在于：一是内涵直接，能够精准捕捉信用风险的显性暴露；二是数据可得可比，数据连续性强且口径统一，便于跨机构、跨区域比较；三是政策与实践关联性强，不良贷款率是监管资本计提、拨备覆盖率计算的核心依据，与宏观审慎政策及微观风险管理实践高度契合。

3.零售业务

采用消费者贷款占总贷款占比作衡量零售业务转型，优势在于：一是聚焦直观，直接反映银行对零售客户的资源倾斜程度；二是数据可得可比，便于跨机构横向比较及时序趋势分析。

4.其他控制变量

（三）数据来源与样本分析

1.数据来源。本文数据来源于国泰安国泰安经济金融数据库CSMAR和北京大学中国商业银行数字化转型指数，样本期间为 2011-2021年，删除了国家开发银行、中国进出口银行和中国农业发展银行三家政策性银行的财务数据; 同时，对变量进行了上下1%的缩尾处理以避免数据的异常值对结果产生的影响; 最后将两个数据库根据银行名称和年份进行匹配。

2.样本分析。表1记录了主要变量的描述性统计。不良贷款率的均值为1.53相对稳健，而标准差0.88较大，最大值7.83，说明不同银行的信用风险差别很大；数字化转型总指数均值为57.93，标准差为38.12，最大值为159.73，同样也说明不同的银行在数字化转型过程中的能力和水平出现较大的异质性。

表1  变量描述性统计

四、实证结果及分析

（一）商业银行数字化转型对信用风险的影响

通过中国银行业微观层面面板数据，研究商业银行数字化转型对信用风险的影响，表2的回归结果证实了本文的假设H1-1。第一，（1）、（2）和（3）列说明无论采用数字化转型总指数DIG_T、业务数字化指数DIG_B还是管理数字化指数DIG_M，回归系数均为显著为正，说明商业银行数字化转型对信用风险是提升的作用；第二，（1）列DIG_T的回归系数为0.312且在5%的水平上显著为正，从经济意义上来看，商业银行数字化转型总指数每变动一个标准差，不良贷款率就提升0.275（0.312*0.88）个百分点，这相当于样本均值的17.9%（0.275/1.53），具有重要的经济意义；第三，四个数字化转型指数中，转型总指数、业务转型指数和管理转型指数均具有统计意义和经济意义，但是第（4）列结果显示战略转型指数回归系数为正不具有统计意义，究其可能的原因，一方面，战略数字化转型可能不会在短期内显示其风险效应；另一方面，商业银行数字化转型指标的构建中相比业务数字化占比31.22%和管理数字化占比53.88%，战略数字化占比权重低（14.89%）（谢绚丽和王诗卉，2022）^[15]。

总体而言，商业银行数字化转型初期需大量投入IT基础设施、数据治理及人才储备，短期内挤占银行风险缓冲资本，削弱风险抵御能力；数字化转型推动银行业务下沉（如线上小额贷款、长尾客户拓展），若风控技术未能同步升级（如依赖外部数据或标准化模型），可能导致信用风险敞口扩大；战略数字化转型（如顶层设计、组织文化变革、长期资源投入）通常需要较长时间才能转化，而业务和管理数字化（如线上贷款审批、智能风控系统）可直接作用于业务流程，短期即可影响信用风险。

表2   商业银行数字化转型对信用风险的影响

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

进一步把样本分为国有大型银行和中小型商业银行，得到表3和表4的结果，表3和表4的结果验证了假说H2。表3表示国有大型银行数字化转型对信用风险的影响，（1）、（2）、（3）和（4）的结果显示，国有大型银行数字化转型总指数DIG_T、业务数字化指数DIG_B、管理数字化指数DIG_M和战略数字化指数DIG_S前的回归系数均不显著，说明国有大行资本充足率高、数据储备庞大，具备独立且成熟的风险管理体系和数字化基础设施。数字化转型对其而言非“颠覆性变革”，短期难以显著改变风险暴露水平。国有大型银行数字化转型对信用风险的“不显著”结果，反映了其资源、业务和技术对短期风险的平滑作用。

表3   国有大型银行数字化转型对信用风险的影响

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

表4显示了除国有大型商业银行之外的中小商业银行数字化转型对信用风险的影响。结果显示，第一，表4的回归结果和表2十分相似，（1）、（2）和（3）列说明无论采用数字化转型总指数DIG_T、业务数字化指数DIG_B还是管理数字化指数DIG_M，回归系数均为显著为正，说明中小商业银行数字化转型显著提升其信用风险；第二，（1）列DIG_T的回归系数为0.307且在5%的水平上显著，从经济意义上来看，中小商业银行数字化转型总指数每变动一个标准差，不良贷款率就提升0.387（0.307*1.26）个百分点，这相当于样本均值的21.37%（0.387/1.81），具有重要的经济意义；第三，（4）列中小银行战略数字化转型前系数同样不显著，也说明其短期并不影响信用风险。

表4   中小商业银行数字化转型对信用风险的影响

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

（二）数字化转型过程中，商业银行降低信用风险的路径

如上所证，商业银行数字化转型增加了信用风险，在样本分类研究中，我们只发现中小商业银行在数字化转型的路径中提高了信用成本，进一步采用模型式（2）检验商业银行减轻信用风险提升的路径，结果见表5、表6和表7。

表5展示了所有商业银行样本，我们发现数字化转型指数与零售业务的交乘项DIG_T*RETAIL前的系数在（1）、（2）、（3）、（4）列中均显著为负，而数字化转型各个指标前的系数除了（4）没有显著性，（1）、（2）和（3）列仍旧显著为正，说明零售业务比重的加大有利于降低数字化转型对信用风险的提升作用。值得注意的是，相比表2战略数字化转型对信用风险影响不显著，表5加入零售业务后，交乘项为-0.444且在5%的显著水平上显著，说明即便战略数字化在短期没有显著提升信用风险，加大零售业务权重仍然可以降低战略数字化对信用风险的提升作用。

表6和表7分别展示了国有大型银行和中小商业银行的样本回归结果。表6结果显示，零售业务并不能对国有商业银行的信用风险产生作用，和表3的结果保持逻辑一致性。表7的结果显示数字化转型指数与零售业务的交乘项前的系数在（1）、（2）、（3）、（4）列中均显著为负，而数字化转型各个指标前的系数除了（4）没有显著性，其余（1）、（2）和（3）列仍旧显著为正，说明零售业务比重的加大有利于降低中小商业银行数字化转型对信用风险的提升作用。

从现实意义上说，零售业务（如个人消费贷、小微贷款）具有“小额分散”特征，天然降低了信贷集中度风险。数字化转型虽可能因技术缺陷（如模型同质化）推升风险，但零售业务的分散性可对冲此类负面影响。中小银行资本与技术投入有限，难以效仿国有大行构建全域数字化风控体系，聚焦零售业务可发挥其本地信息优势。战略数字化（如组织架构调整、数字文化培育）单独作用时因滞后性未显效（表4），但与零售业务结合后，可通过优化资源配置间接提升风控能力（表7）。

表5   商业银行降低数字化转型提高信用风险的路径

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

表6   国有大型商业银行降低数字化转型提高信用风险的路径

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

表7   中小商业银行降低数字化转型提高信用风险的路径

注: ^***、^**和^*分别表示在 1% 、5% 和 10% 水平上显著相关。

五、研究结论与政策建议

（一）研究结论

采用银行业微观数据，研究商业银行数字化转型对信用风险的影响，突破传统单向因果分析范式，提出“聚集效应-分散效应”动态框架，研究不仅深化了金融科技与风险管理交叉领域的理论认知，也为商业银行差异化转型路径设计与监管政策优化提供实践启示。研究有四点结论：一是商业银行数字化转型总体显著提升了信用风险（以不良贷款率衡量），尤其是中小银行。数字化转型总指数每增加1个标准差，中小银行不良贷款率上升0.387个百分点（占样本均值的21.37%），而国有大型银行因资本充足率高、数据与技术储备成熟，数字化转型对其信用风险影响不显著。二是业务数字化与管理数字化通过技术缺陷（如模型同质化、数据质量不足）直接推升风险；战略数字化因长期性特征，短期效应不显著。三是中小银行通过增加零售业务占比（如个人消费贷、小微贷款），可显著对冲数字化转型的负面效应。零售业务的“小额分散”特性天然降低信贷集中度风险，弥补了中小银行技术短板。四是国有大行因业务多元化、技术储备充足及政策隐性支持（如“大而不倒”预期），数字化转型的信用风险效应被稀释，零售业务对其风险影响不显著。

（二）政策建议

人工智能、大数据、区块链、物联网等技术突破，重塑了金融服务的底层逻辑。为了加快商业银行数字化转型，在不提高风险的前提下为实体经济提供高质量服务，根据研究结果，提出以下政策建议：

第一，中小银行定向支持政策：对中小银行区域性零售业务（如小微贷、社区金融）提供税收减免，鼓励其深耕零售场景；由央行或银保监会牵头，推动中小银行通过安全计算共享工商、税务、供应链数据。

第二，对算法备案并进行压力测试，建立银行业算法相似度监测系统，对使用相同核心模型的银行实施风险集中度上限管理。

第三，鼓励中小银行与科技公司合作，开发基于本地场景（如农产品供应链、社区商户流水）的智能风控工具，纳入央行再贷款支持范围。

第四，对数字化转型中利用虚假数据骗贷的行为，建立跨部门联合惩戒机制；由银行业协会主导，建立全行业风险信息共享平台（如客户多头借贷、欺诈行为标记），实时推送预警信号；设立“数字化转型风险互助基金”，按银行数字业务规模提取准备金，用于救助因技术故障引发的区域性信用风险导致的流动性危机。

参考文献：

[1]Berger,A. N.,& Udell, G. F.,Small Business Credit Availability and Relationship Lending: The Importance of Bank Organisational Structure[J].The Economic Journal,2002(477),32–53.

[2]Dell’Ariccia, G.,& Marquez, R.,Information and Bank Credit Allocation[J]. Journal of Financial Economics,2004.72(1), 185-214.  

[3]Khattak, M. A.,et al. Digital transformation, diversification and stability: What do we know about banks?[J]. Economic Analysis and Policy, 2023(78):122-132.  

[4]Banna,H.,et al.Fintech-based financial inclusion and bank risk-taking: Evidence from OIC countries[J].Journal of International Financial Markets, 2021(75):101447.

[5]Andrew.W,.Don't Put all Your Eggs in One Basket? Diversification and Specialization in Lending[R].Working Papers Financial Institutions Center at the Wharton School, 2000.

[6] Boot A ,Hoffmann P ,Laeven L ,et al. Fintech: what's old, what's new?[J].Journal of Financial Stability,2021,53.

[7]代婉瑞.银行数字化转型与信用风险缓释——基于经济资本新视角[J].企业经济, 2023(12):127-138.  

[8]梁方,赵璞,黄卓.金融科技、宏观经济不确定性与商业银行主动风险承担[J].经济学(季刊),2022,22(6):1869-1890.

[9]郭峰,庄旭东,王仁曾.银行数字化转型、外源性金融科技与信用风险治理——基于文本挖掘和机器学习的实证检验[J].证券市场导报,2023(4):15-23.

[10]朱小能,李雄一.金融科技与银行信用风险：加剧还是降低[J].山西财经大学学报,2022,44(11):39-52.

[11] 贾妍妍,越婷婷.数字化转型对银行风险承担的差异性分析[J].金融论坛,2024,29(7):48-58.

[12] Berger A N，Bouwman C H S，Kicke T，Schaeckg K． Bank Liquidity Creation Following Regulatory Interventions and Capital Support[J].Journal of Financial Intermediation,2016,(26):115－141．

[13]Deyoung R ,Glennon D ,Nigro P. Borrower-lender distance, credit scoring, and loan performance: Evidence from informational-opaque small business borrowers[J].Journal of Financial Intermediation,2008, 17(1):113-143.

[14]刘春航.金融科技与银行价值链的重塑[J].金融监管研究,2021(1):1-11.

[15]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(6):1937-1956.

[16]徐成江.银行数字化转型与中小企业信贷可得性研究——兼论贷款安全和银行情绪的中介影响[J].金融监管研究,2022(12):1-19.

[17]徐蕾.数字化转型如何赋能商业银行风险管理——兼论数字赋能质效的“马太效应”[J].金融发展研究,2024(10):36-49.

[18]郭晔,赵静.存款竞争、影子银行与银行系统风险——基于中国上市银行微观数据的实证研究[J].金融研究,2017(6):81-94.

[19]刘莉亚,李明辉,孙莎,等.中国银行业净息差与非利息收入的关系研究[J].经济研究,2014,49(7):110-124.

[20]周凡.竞争对银行风险的影响及传导机制研究[J].金融经济学研究,2019,34(1):121-137.

基金项目：2021 年教育部人文社科基金“银行结构性竞争、信贷资源配置与企业全要素生产率研究”（项目编号：21YJC790169）；中华女子学院 2023 年青年创新重大课题（课题编号：2023QN-0102）。