數字化轉型提升了銀行服務實體經濟能力嗎？
——基于我國上市商業銀行的經驗證據

■張慶君 郭遼 歐一丁

一、引言

國際金融危機后我國采用較寬松的貨幣政策刺激經濟增長，但部分資金僅在約束相對寬松的金融部門中流轉，造成金融體系貨幣供給不斷膨脹與實體部門融資難、融資貴并存的局面。2020年，我國制造業增加值占國內生產總值比重達28%，除金融業和房地產業以外的實體經濟對GDP 貢獻率約為85%，而我國銀行投放給制造業和非金融、非房地產業的信貸占比僅分別為19%和50%。銀行對實體部門的信貸投放量遠低于實體經濟對國內經濟的貢獻程度。實體部門資金收益率低于金融與房地產業，而且不少實體企業面臨著產能過剩、利潤率下降的問題。因此，金融機構將更多資金配置給虛擬經濟部門，形成實體經濟回報率不斷下降和虛擬經濟收益泡沫不斷增長的反差[1]。2020年10月發表的中共中央《關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》提出，要加快我國數字化建設并推動數字經濟和實體經濟深度融合。可見，數字經濟建設已經成為國家發展戰略布局的重要部分。金融服務實體經濟最基本的方式是將資金從儲蓄者轉移到融資者手中，實現資金合理流動[2]。商業銀行則是實現金融市場資金融通最核心的主體，對于金融體系的穩定起著錨定的作用。然而，近些年互聯網企業的迅速成長使得銀行業受到金融科技沖擊的巨大影響。數字化轉型對銀行業既是機遇又是挑戰，我國商業銀行早已開始為數字化轉型籌謀規劃。目前，已經有包括中國銀行、建設銀行、招商銀行在內的10家上市商業銀行設立了金融科技子公司，9家銀行與騰訊、阿里巴巴等互聯網企業達成戰略合作協議，超三分之一的上市商業銀行設立了數字金融部、金融科技部等獨立的業務部門。在此趨勢下，銀行業的數字化轉型對其支持實體經濟發展的核心功能會產生怎樣的影響呢？

雖然數字經濟和科學技術的發展推動了銀行數字化轉型，但銀行數字化轉型對其服務實體經濟能力的影響是復雜的。鑒于此，本文提出以下問題：商業銀行數字化轉型對其服務實體經濟能力的影響如何？不同銀行之間數字化轉型程度和服務實體經濟的能力是否存在差異？針對以上問題，本文利用2010—2019年我國38 家上市商業銀行數據探究銀行數字化轉型對其服務實體經濟能力的影響。本文的創新點體現在以下幾個方面：（1）以往文獻多是研究金融科技、數字金融外部沖擊對銀行風險、銀行效率的影響；而本文從銀行自身出發，通過構建衡量銀行數字化轉型程度的指標來研究其對服務實體經濟能力的影響。（2）以往關于數字金融對實體經濟影響的文獻主要研究數字普惠金融對實體經濟發展的影響，本文則從銀行的核心功能即信貸配置角度考查數字化背景下金融機構對實體經濟的貢獻。

二、文獻綜述與研究假設

（一）數字化轉型對商業銀行服務實體經濟能力的影響

數字金融的發展可能創造出除商業銀行間接融資與資本市場直接融資之外的另一種融資模式[2]，進而使資金供求可以直接通過互聯網匹配，實現交易的去中介化[3]。國外相關文獻認為，數字經濟新時代挑戰了現有的商業慣例和已建立的結構[4，5]。在銀行供給端，新技術從其他業務領域轉移而來啟發銀行創造了新的應用程序和服務[6]。在需求端，數字金融的發展改變了客戶的思考和行動方式，從而塑造新的客戶需求[7]。

國內一些學者從普惠金融和銀行服務中小微企業的角度探討了數字金融發展對實體經濟產生的影響。一方面，數字金融對實體經濟最突出的貢獻在于其推動了普惠金融的發展[8]。基于北京大學數字普惠金融指數，學者們研究發現互聯網金融發展能提升居民消費[9，10]，縮小城鄉居民收入差距[11，12]，促進經濟增長[13]。也有學者認為數字金融通過降低金融歧視、拓寬金融服務范圍[14]，或者激勵創新研發促進了實體經濟增長[15]。另一方面，金融服務實體經濟最基本的功能是資金融通，數字金融促使銀行放松了對實體部門的信貸約束，優化銀行對實體部門的信貸資源配置。互聯網金融改善了銀行傳統的貸款處理技術[16]，并通過縮減銀行與企業間的交易成本[2]、降低中小企業的違約風險[17]緩解了銀行對中小企業的融資約束，增加其對小微企業的信貸投放[18]。

然而，也有研究認為數字金融發展不利于銀行服務實體經濟。何啟志等[19]基于北京大學互聯網金融發展指數，研究發現互聯網金融的發展使資金流向了股票市場，資金并沒有被投放到真正的實體經濟部門。從銀行流動性創造的角度考慮，銀行流動性創造對實體經濟有促進效果[20]，而互聯網金融削弱了銀行的表內流動性創造功能[21，22]。權飛過等[23]也發現銀行表外業務通過抑制流動性創造削弱了銀行服務實體經濟的能力。互聯網金融和傳統銀行負債業務競爭導致銀行負債端更依賴同業拆借資金并通過增加資產端風險來彌補損失[24]。這體現在銀行將更多傳統信貸資金轉移至表外業務。甚至有研究發現互聯網金融導致資金從實體經濟部門和金融系統中“逃離”，大量閑置資金游離在金融和實體部門之外[25]。

總之，數字化轉型對銀行服務實體經濟的能力既存在著正向促進作用，也存在著表外業務擠占信貸的負面影響。因此有理由相信，二者之間可能存在先降后升的U型關系或是先升后降的倒U型關系。

基于以上理論，本文提出以下競爭性假設：

假設1a：商業銀行數字化轉型與其服務實體經濟的能力呈U型關系。

假設1b：商業銀行數字化轉型與其服務實體經濟的能力呈倒U型關系。

（二）數字化轉型對商業銀行服務實體經濟能力影響的機制

為了研究商業銀行數字化轉型對其服務實體經濟能力影響的傳導機制，本文在相關文獻研究的基礎上，從表外盈利和銀行服務效率兩個渠道對中介機制進行分析。

1.表外盈利渠道

銀行對實體經濟的支持主要體現在通過表內信貸投放對實體經濟部門提供資金支持。

對銀行資金來源即負債端而言，互聯網金融的發展使負債端付息成本增加。具體表現為，成本較低的客戶存款比例下降而成本較高的同業存款占比提升[24]，對于非國有銀行而言低成本的資金流失更快。這導致銀行在負債端更依賴成本較高的金融機構同業資金[25]。Hou 等[26]發現互聯網金融的發展使存款人對銀行風險資產的敏感程度增加，因此存款人更容易因為銀行風險資產的小幅增加而抽離自己在銀行的存款，這也減少了銀行的資金來源。

對銀行資金供給即資產端而言，互聯網金融的發展使資產業務盈利減小。金融科技的發展推動了利率定價趨于市場化，凈息差則會由于貸款利率的下降而收窄[24]。張慶君等[27]認為互聯網金融發展降低了銀行貸款規模，并通過替代效應和技術溢出效應共同降低了銀行資本配置效率。金融科技在發展的同時壓縮了銀行負債、中間業務以及資產業務[28]，而互聯網金融和商業銀行在負債業務領域形成直接競爭、在資產業務領域形成錯位競爭[29]。于波等[30]則認為數字金融帶來的競爭效應對銀行而言是消極的，且這種消極的影響大于技術溢出效應，從而減弱了銀行的盈利能力。相反，一些研究認為互聯網金融發展給商業銀行帶來了積極的影響。孫旭然等[31]認為金融科技通過加劇銀行競爭提高了銀行資產端的中長期貸款比例，進而增加了銀行資產端的盈利。DeYoung 等[32]認為在競爭背景之下，互聯網主要通過增加與存款業務相關的服務費來提高美國社區銀行盈利能力。也有學者認為銀行的盈利能力因為互聯網金融的發展得到了提高，但是成本效率卻受到了阻礙[33]。

表內業務多受到資本充足率和存貸比等監管指標的約束，因而難以形成更多樣化的發展。因此，銀行在實行數字化轉型戰略初期，為了尋求更高的利潤會將更多的盈利空間轉移至中間業務和表外業務。表內業務規模縮減、表外業務和中間業務多樣性與數量增加，均擠占了商業銀行服務實體經濟的能力。總之，商業銀行出于盈利最大化目的，在受到沖擊時會主動改變資產負債結構[34]。如果表內傳統信貸業務的盈利性確實因為銀行數字化轉型而降低，銀行將減少表內業務占比；同時，為了彌補這種利潤損失，將資金和業務轉移至表外或中間業務。以上行為弱化了實體經濟部門對銀行信貸的依賴性[35]。

基于以上理論，本文提出如下假設：

假設2：在銀行數字化轉型初期，由競爭導致的表外業務擴張抑制了銀行服務實體經濟能力的發揮。

2.服務效率渠道

銀行通過信貸渠道服務實體經濟的阻礙根源在于市場信息不對稱。我國金融市場信用體系不完善，銀行不敢向缺少抵押資產與擔保的中小微企業授信，導致企業面臨融資約束。同時，在這種情況下，無論是拓展獲客渠道還是貸前審查和貸后管理，銀行都面臨高昂成本。

金融科技有降低中介成本并擴大普惠金融的潛力。國外學者Allen 等[36]較早地提出電子金融將重塑傳統銀行服務業態。何師元[37]認為大數據技術應用使銀行通過持續的數據挖掘以及構造更完善的信用評級體系來解決中小企業與銀行間信息不對稱和抵押擔保的問題。電子銀行的潛在好處包括更低的運營成本、更短的周轉時間、信息的實時管理、更順暢的組織內部溝通、與客戶之間更便捷的交互等，例如獲得財務管理專業知識的機會等[38]。Berger[39]認為科技進步通過改善銀行服務質量與增加服務多樣性提高了銀行生產率。Raza等[40]認為有效利用互聯網技術可以節省成本、時間和資金，并幫助銀行挖掘潛在用戶以提升利潤。

在銀行數字化轉型后期，技術趨于成熟穩定，銀行通過應用大數據、云計算等技術獲取資金需求方信用狀況，使自身更了解客戶；銀行通過在線平臺宣傳與產品銷售將信息傳遞給客戶，使客戶更了解銀行的產品與服務。數字金融加速企業與銀行之間的雙向信息傳遞，緩解了信息不對稱，以“信息流”帶動“資金流”，實現資金對實體企業的有效配置。

基于以上理論，本文提出如下假設：

假設3：隨著數字化轉型的推進，銀行通過提高服務效率，降低交易成本，從而提高了其服務實體經濟的能力。

三、樣本、變量與模型設定

（一）樣本選擇與數據來源

本文以2010—2019年中國A 股上市商業銀行為研究對象，剔除關鍵數據缺失較多的樣本后，篩選出38家銀行共359個樣本。本文關于銀行數字化轉型的數據主要由手工搜索銀行年報、社會責任報告，通過網絡爬蟲技術搜索網頁等方式獲取。其他變量數據來源于Wind數據庫。為減小極端值的影響，本文對連續變量在1%和99%分位上進行縮尾處理。

（二）變量說明

1.被解釋變量

商業銀行服務實體經濟能力。借鑒黃群慧[1]和權飛過等[23]的研究，本文從產業層次角度對我國實體經濟范圍進行定義。以制造業代表我國實體經濟核心R0，并使用各個銀行投放給制造業的貸款占比反映銀行服務實體經濟的能力。在穩健性檢驗中對實體經濟的范圍進行擴展，使用包含制造業、農業、建筑業和除制造業以外的其他工業作為實體經濟主體部分R1；使用包含R1和批發和零售業、交通運輸倉儲和郵政業、住宿和餐飲業，以及除金融、房地產以外的其他服務業代表廣義的實體經濟R2。按照以上分類方法，將銀行投放給不同層次實體經濟的貸款占比作為銀行服務實體經濟的替代指標。

2.解釋變量

銀行數字化轉型的研究核心之一在于如何衡量數字化轉型程度。目前具有代表性的數據和指標構建方法有北京大學數字普惠金融指數、文本挖掘法構建的互聯網金融指數、中國數字金融指數。以上指數的編制主要是從銀行外部數字金融發展出發，較少有針對銀行個體構建的用以衡量銀行內部的數字化轉型程度的指標。因此，本文參考北京大學互聯網金融研究中心課題組構建的商業銀行互聯網轉型指數[41]，對該指數進行改良，構建了商業銀行數字化轉型指標，并從認知、組織、產品三個維度構建分指標。

在認知層面，統計銀行年報中“互聯網”“數字化”“電子”“智能”“大數據”“區塊鏈”“云計算”“物聯網”出現的詞頻，并通過主成分分析構建商業銀行數字化轉型認知指標D_cognition。在組織層面，本文通過手工搜索銀行年報、銀行社會責任報告和網絡爬蟲技術篩選銀行在部門設置、互聯網合作、人員配備、金融科技子公司這四方面的情況，進行主成分分析得到銀行業數字化轉型組織指標D_org。在產品層面，本文通過銀行年報搜索和網絡爬蟲技術獲取商業銀行是否推出了微信銀行、手機銀行、互聯網理財、互聯網信貸、電子商務的相關信息，對銀行推出的數字化產品進行評分，得到商業銀行數字化轉型產品指標D_products。

本文通過主成分分析法合成最終商業銀行數字化轉型綜合指標Digitalize，以此作為商業銀行數字化轉型的替代指標。各指標的信息搜集、處理方法及在總指標中所占權重的標準詳見表1。

表1 銀行數字化轉型指標構建體系

3.中介與控制變量

本文從表外盈利和服務效率渠道進行中介效應檢驗，使用手續費收入（commission）代表盈利渠道的表外業務收入，使用管理費用率（manage）代表銀行服務效率。

本文選取規模（size）、資產收益率（roa）、資本充足率（car）、利率水平（iir）、非利息收入占比（nir）、利潤增速（npg）、前十大貸款客戶集中度（loan10）等變量對銀行的微觀特征變量進行控制，使用GDP增速（GDP）對宏觀經濟狀況進行控制。另外，本文在穩健性檢驗中使用電子替代率（ele）作為銀行數字化替代指標。全部變量定義詳見表2。

表2 變量定義

（三）模型設定

為了檢驗商業銀行數字化轉型程度對其服務實體經濟能力的影響，設計模型（1）對基本假設1進行檢驗。

為分析銀行數字化轉型對其服務實體經濟能力影響的中介效應，本文借鑒陳小輝等[42]的中介效應方法設計模型（2）、（3）進行逐步回歸。

式中，Loan1、Digitalize 分別代表銀行投放給實體經濟的信貸占比和數字化程度；M為中介變量，從表外盈利渠道考慮使用手續費收入（commission）進行回歸檢驗，從服務效率渠道考慮使用管理費用率（manage）進行回歸檢驗。Controls 表示控制變量，ε表示隨機誤差項。分步回歸模型主要步驟如下：

模型（1）主要研究銀行數字化對其服務實體經濟的能力的影響。若系數α1顯著為正，系數α2為負，說明銀行內部數字化轉型與其服務實體經濟的能力之間的關系為倒U型，假設1a得以驗證。若系數α1為負，系數α2為正，說明銀行內部數字化轉型與其服務實體經濟的能力之間的關系呈U 型，假設1b得以驗證。

模型（2）研究銀行數字化中介變量的影響。如果系數β1顯著，說明數字化轉型會影響銀行表外盈利能力和服務效率。

模型（3）在模型（1）的基礎上加入中介變量M，以考察中介變量、銀行數字化和銀行服務實體經濟能力之間的影響。若系數δ3顯著，而δ1不顯著，說明中介變量承擔了完全中介的效果；若系數δ3和δ1均顯著，且δ1相比于α1數值絕對值有所下降，則說明中介變量承擔了部分中介的效果。

四、實證結果與分析

（一）描述性統計

表3 為主要變量的描述性統計結果。其中，銀行投放給實體經濟核心部門即制造業的貸款量占比平均值為19.2%，最小值為2.6%，最大值為63.9%，說明不同銀行對制造業的貸款投放差距很大。具體而言，蘇農銀行、江陰銀行、常熟銀行在多個年份對制造業投放的貸款量占全部貸款的50%以上，而國有銀行對制造業信貸投放占比在10%～20%之間。從擴展后的實體經濟主體部分和除金融與房地產業以外的部門來看，銀行投放的貸款占比平均值分別為29.0%和50.3%。由以上數據發現，目前銀行投放給金融和房地產部門的貸款量仍然較高，平均占比達到近50%。

表3 描述性統計

（二）實證結果分析

1.基本回歸

本文首先使用數字化轉型總指標對模型（1）使用混合回歸、雙重固定效應與隨機效應模型回歸，結果如表4（1）至（3）列所示。結果顯示，Hausman檢驗拒絕原假設，因此在后續研究和中介效應檢驗中選擇固定效應模型進行回歸。銀行對不同產業部門的信貸投放具有一定的可持續性，因此引入被解釋變量Loan1的滯后項并使用系統GMM 和差分GMM 方法進行回歸，結果如表4（4）、（5）列所示。由結果可知，系統和差分GMM 的AR（2）P 值分別為0.337 和0.347，均大于10%，滿足GMM 的要求，不存在二階序列相關的問題。Hansen 統計量均大于10%，說明模型通過過度識別約束檢驗。以上結果均說明GMM估計方法有效。

表4 商業銀行數字化對服務實體經濟能力的影響

由雙重固定效應、差分GMM 和系統GMM 模型結果可知，商業銀行內部數字化轉型與銀行投放給實體經濟部門的貸款之間呈U型關系。加入被解釋變量滯后項的GMM估計結果顯示，銀行上期投放給制造業的貸款對本期有正向影響，這也說明了貸款投放的可持續性。盡管使用不同回歸方法得到的解釋變量二次項系數均在5%水平上顯著為正，但解釋變量一次項系數顯著為負，說明銀行內部數字化程度仍對銀行服務實體經濟的能力在不同階段產生了不同方向的影響，使得二者整體關系呈U型，然而單純的通過系數符號判斷U 型關系存在不準確性，因此本文借鑒Lind 等[43]的做法，對U 型進行以下三步檢驗：第一步，要求模型中一次項和二次項的系數正負性顯著相反；第二步，要求端點斜率要明顯陡峭，也即正負性相反；第三步，要求曲線的端點取值要位于核心解釋變量的取值范圍內，即拐點取值在0.802～2.203 之間。表5 顯示了上述三步檢驗的結果，可以看出固定效應回歸、隨機效應回歸、差分GMM 和系統GMM 回歸的結果通過了檢驗，證實解釋變量與被解釋變量之間的關系確為U 型，以上結果證實了假設1b。

表5 U型檢驗

數字化轉型的初期，在互聯網快速發展的沖擊下，大部分銀行爭相擠入技術與產品更新的浪潮，銀行投入較多，這種迫切的帶有追逐心理的革新在一定程度上催生了商業銀行的逐利行為。銀行會優先研發能快速跟上潮流、拓寬盈利渠道的數字金融產品，從而大量開發表外業務，以此增加盈利。相較于監管標準相對寬松、創新發揮空間更大的表外業務而言，傳統信貸業務產生額外利潤的空間較為狹窄，銀行對實體經濟的信貸投入有所縮減，但隨著數字化水平的提升，銀行服務效率提高，其服務實體經濟的能力得到體現。數字化的發展在一定程度上通過提高銀行信息技術能力而提高交易效率，節省企業和銀行間由于信息不對稱產生的交易成本，緩解銀行對企業的信貸約束，因此數字化發展后期，銀行服務于實體經濟的能力又逐漸上升。

2.分樣本回歸

一些學者在研究中發現對于不同產權性質的銀行，數字金融沖擊所造成的影響具有明顯差異。劉忠璐[44]認為互聯網金融沖擊對大型銀行破產風險的負面影響小于對城商行。邱晗等[18]認為股份制銀行表外業務比國有銀行更活躍，因此受金融科技沖擊的影響更大，且規模更大的銀行在受到金融科技沖擊時表現更加穩定。于波等[30]認為金融科技對銀行盈利造成的沖擊在城商行和農商行中更大，相對而言大型國有銀行和股份制銀行抗沖擊能力更強。本文為了探究銀行產權性質對銀行數字化轉型服務實體經濟能力的異質性影響，將樣本分為國有銀行、股份制商業銀行和區域性商業銀行三組，分別采用固定效應回歸、系統GMM 和差分GMM 對子樣本進行回歸，結果見表6。

表6 分樣本回歸

結果顯示，在國有銀行和區域性商業銀行分樣本中，使用三種回歸方法得到的解釋變量一次項系數為負、二次項系數為正，且二者均顯著，表明銀行數字化與銀行服務于實體經濟的能力呈U 型關系，數字化發展前期銀行對實體經濟的支持有所下降，但很快便得到逆轉，加強了其服務實體經濟的能力。而在股份制商業銀行分樣本中，使用固定效應回歸方法得到的一次項系數為正、二次項系數為負，且結果并不顯著。但系統GMM和差分GMM方法回歸得到的系數符號方向與前述兩個分樣本得到的結果是一致的，且系數均顯著。因而有理由相信，三個分樣本下的商業銀行數字化發展與其對實體經濟的支持均呈U型關系。

從表7、表8 的U 型檢驗可以看出，對于國有銀行而言，其拐點對應的值小于數字化指標均值1.336，也就是說國有銀行數字化轉型服務實體經濟能力的提升要快于非國有銀行，數字化轉型并沒有削弱其服務實體經濟的熱情和能力，這也說明在國家大力強調金融要服務實體經濟的背景下，國有銀行貫徹國家政策的效果要高于非國有銀行。對于區域性商業銀行而言，其拐點對應的值超過了數字化指標均值，說明其服務于實體經濟的能力低于國有銀行。而對于股份制商業銀行來說，其拐點對應的值不僅超過了數字化指標均值，而且接近最大值2.203，說明相較于國有銀行與區域性商業銀行，其服務于實體經濟的能力較弱，短時間內無法平衡傳統銀行業務與新開發的表外業務之間的關系。原因可能在于其將數字化投入大部分集中在新興業務中，為了獲取更大的利潤收入，忽略了對實體經濟的服務。以上結果說明互聯網金融發展對實體經濟的擠出效應主要體現在非國有銀行中。

表7 分樣本U型檢驗1

表8 分樣本U型檢驗2

對回歸結果進一步分析：首先，從客戶類型角度來看，國有銀行傳統信貸業務的客戶主要是大型國有企業和其他大型企業，這類企業具備較低的存款利率彈性，而非國有銀行的客戶大多具有存款利率彈性高的特征[45]，且國有銀行與企業形成“關系型借貸”的可能更大，因此即便在互聯網金融快速發展的背景下，銀行轉型對已經形成穩定借貸關系的企業部門貸款產生的擠出效應較小。其次，從監管角度來看，國有銀行受到的監管和約束更為嚴格，信息披露相對完善，風險管理體系也更加成熟，這種模式也使國有銀行在應對互聯網金融沖擊時更加自如[46]。最后，國有銀行與非國有銀行在貫徹國家政策上肩負的責任不同，國有銀行對金融體系穩定起著錨定作用[47]，而股份制銀行、區域性商業銀行受利潤驅動更明顯，因此國有銀行與非國有銀行在追求內部數字化轉型時的動機具有一定差異。

（三）穩健性檢驗

本文首先使用電子交易替代率替換解釋變量，然后根據實體經濟定義將實體經濟由核心制造業拓展至實體經濟的主體部分和廣義的實體經濟，并據此改變被解釋變量對模型重新進行回歸。

1.替換解釋變量

銀行數字化轉型的表現形式之一是交易的電子化，即大量業務通過電子化平臺進行交易。因此，本文借鑒張正平等[48]的方法，選取電子交易替代率來衡量商業銀行的數字化轉型程度，并對模型（1）利用系統GMM和差分GMM法重新進行回歸。由表9回歸（1）結果可知，使用電子交易替代率作為解釋變量后，銀行數字化程度仍然與其投放到實體經濟的信貸占比呈U 型關系，證實了假設1b，說明結果具有穩健性。

表9 穩健性檢驗

2.替換被解釋變量

本文參考黃群慧[1]的研究，對實體經濟的范圍進行擴展。使用包含制造業、農業、建筑業和除制造業以外的其他工業作為實體經濟的主體部分R1；使用包含R1以及批發和零售業、交通運輸倉儲和郵政業、住宿和餐飲業以及除金融、房地產以外的其他服務業代表廣義的實體經濟R2。按照以上分類方法將銀行投放給不同層次行業企業的貸款占比作為銀行服務實體經濟的替代指標。由表9（2）、（3）列的結果可知，數字化指標與銀行投放給實體經濟的主體部分和廣義的實體部分的貸款占比都有顯著的U型關系。從系數數值角度分析，用三個層次衡量的實體部門的系統GMM 回歸二次項系數絕對值分別是0.031、0.047和0.065，數值不斷增大，這也說明隨著實體經濟范圍的擴大，這種代表U 型關系的拋物線開口越大，服務于實體經濟的能力提升速度越緩慢。且從表10的U型檢驗來看，隨著實體經濟范圍的擴大，拐點也在后移，再次印證實體經濟范圍越大，銀行數字化發展對于實體經濟的服務水平提升越緩慢。同樣的，用差分GMM回歸方法得到的結果也是一致的，解釋變量與被解釋變量之間關系始終呈U型。再次說明本文回歸結果具有穩健性。

表10 U型檢驗

五、影響機制分析

前文的實證結果和分析說明銀行數字化轉型與銀行服務實體經濟的能力呈U 型關系，而這種效應是通過何種渠道傳導的呢？為彌補數字化轉型降低銀行表內盈利能力所帶來的損失，許多銀行發展表外業務以彌補表內信貸業務造成的利潤下滑。同時，銀行數字化會通過信息技術的更迭提高風險識別能力、緩解銀行和企業間的信息不對稱程度，進而減少銀行各項業務的交易成本，提高金融服務效率。基于本文假設，為探究銀行數字化轉型作用于實體部門信貸投放的表外盈利渠道和服務效率渠道中介機制，本文引入手續費收入和管理費用率指標，并基于中介效應模型（1）至（3）利用固定效應法進行回歸，分別檢驗中介效應。

（一）表外盈利渠道

銀行手續費收入主要是由擔保承諾、代理投融資以及中介類等服務所產生，主要與表外業務相對應，因此使用銀行手續費收入作為中介變量進行檢驗。由表11第二步回歸結果可知，銀行數字化指標和手續費收入系數為0.034 且在5%水平上顯著，說明銀行在數字化轉型的推進過程中促進了表外業務的發展。在第三步回歸中，手續費收入和銀行數字化指標一次項系數與實體經濟的信貸投放占比均呈負相關關系，而數字化指標二次項系數與實體經濟的信貸投放占比呈正向關系，且相較于第一步的回歸結果，一次項系數與二次項系數數值均有所下降。這一結果證實了銀行數字化轉型由于促進表外業務發展而抑制了其對實體經濟的支持。手續費收入起到部分中介效應作用。這一結果與權飛過等[23]的觀點一致，證明了本文假設2。

表11 表外盈利渠道——手續費收入中介效應分步檢驗

總之，從表外業務角度考慮，銀行數字化轉型前期導致其服務實體經濟能力的減弱，主要原因是在逐利目標驅動下，表外業務具備更多創新可能性且監管標準相對寬松，銀行為了擴大利潤收入，使銀行服務向表外業務轉移，從而也證實了U 型關系的下降部分。

（二）服務效率渠道

銀行數字化轉型通過大數據、云計算等技術以及在線金融產品和平臺緩解企業和銀行間的信息不對稱程度，減少交易成本并提高了銀行服務效率，為企業和銀行的信息流通提供通道，帶動資金合理流動。首先，金融產品的線上化節省了銀行的人力成本、辦公費用等；其次，大數據技術提高了銀行對客戶信用能力的識別和評價，從而減少了信貸投放的審批環節與費用；最后，線上平臺通過不同網絡社區、論壇等拓寬了獲客渠道，進而減少了銀行拓展業務過程產生的費用。

為檢驗服務效率中介機制是否存在，使用管理費用率作為銀行服務效率的替代變量。表12 結果顯示，數字化指標與管理費用率的系數為-0.032，數字化在1%水平上顯著降低了銀行的管理費用率，而管理費用率與銀行配置給實體經濟部門的貸款占比負相關，因此管理費用率的降低會提升銀行配置給實體經濟的貸款。另外，從第三步回歸結果來看，數字化指標的二次項系數與一次項系數均顯著，其數值相對第一步回歸結果減小，說明銀行數字化轉型后期通過提高銀行服務效率從而提高了銀行對實體經濟部門的資金配置效率，證明了本文假設3。以上結果表明，銀行數字化轉型通過降低銀行的管理費用率提升了服務和管理效率，并對其實體經濟的服務能力有正向提升作用，從而解釋了U 型關系的上升部分。

表12 服務效率渠道——管理費用率中介效應分步檢驗

總的來說，在數字化轉型前期，商業銀行為了提升盈利水平，大力發展表外業務，抑制了對實體經濟的支持，使得其服務于實體經濟的水平有所下降。但隨著數字化水平的提升，數字化轉型有效緩解了交易雙方的信息不對稱，提高了服務效率，銀行服務實體經濟的能力逐漸提升，從而促進了銀行對實體經濟部門的支持。因而，數字化轉型與銀行服務于實體經濟之間呈現出先低后高的U型關系。

六、結論與建議

近年來，我國大力推動數字化建設，并提倡發展數字經濟幫扶實體經濟。在數字金融的沖擊之下，商業銀行的經營業態發生了巨大改變。本文利用2010—2019年我國上市商業銀行數據，基于認知、組織和產品三個層面構建了銀行數字化轉型指標，并從銀行投放給實體經濟信貸占比的角度，實證檢驗了銀行數字化轉型對其服務實體經濟能力的影響。研究得出以下結論：（1）銀行數字化轉型與其服務實體經濟的能力之間存在U 型的曲線關系，即隨著數字化水平的提升，銀行服務實體經濟能力表現出先下降后上升的變化趨勢。（2）在銀行數字化轉型的初期，由競爭導致的表外業務擴張，抑制了銀行服務實體經濟的能力；而隨著銀行數字化轉型的不斷推進，數字化轉型通過提升銀行的服務效率，降低了交易成本與管理費用，從而提高了其服務實體經濟的能力，從而引起了曲線回彈。

針對研究結論，本文提出如下建議：第一，商業銀行應嚴格落實國家支持實體經濟的相關政策，適當約束表外業務，縮小由于表外業務監管相對寬松而產生的套利投機空間，繼續發揮好商業銀行促進資金融通的核心功能，提升銀行服務實體經濟的能力。第二，提高數字化建設質量，目前大多數商業銀行對數字金融有了一定的認知，并且在積極地推進數字化平臺建設，加強數字化研發投入，以設計出多種金融科技產品。銀行不應該僅僅把線下產品搬到線上，而是要對產品的內容與本質進行數字化創新。第三，作為商業銀行發展變革的持續驅動力，我國商業銀行數字金融組織架構與專業人才隊伍尚處于建設初期。在數字金融產品快速更迭的同時加強對銀行內部組織架構和金融科技人才建設是商業銀行數字化轉型的關鍵。■