數字金融對我國區域性金融風險的影響研究

王珂凡 何文彬

（新疆財經大學金融學院 新疆烏魯木齊 830012）

隨著互聯網技術與傳統金融業務模式的緊密結合，以金融科技為核心的數字金融呈現出快速發展態勢，改變了當前中國的經濟與金融布局，人們的生產和生活方式正在進入以數字化為標志的新時期[1]。一方面，數字金融由于其自身具有的普惠性、創新性等特性，通過運用移動終端和大數據信息挖掘等渠道幫助金融機構決策，不僅降低了金融機構的獲客成本，提高了金融服務效率，還為金融行業數字化轉型提供了新思路，有利于推動我國經濟高質量發展。但另一方面，數字金融并沒有改變自身的金融本質，更不能徹底改變傳統金融業中“風險—收益”這一基本內核。數字化時代的高度開放性與互聯互通性，使每一次數字金融創新的背后都更易于形成業務、科技、大數據信息、互聯網等諸多風險因素疊加，從而造成金融風險的積聚，進而對金融穩定產生一定程度的沖擊。

在我國經濟轉向高質量發展的背景下，黨和國家一直把防范化解重大風險作為三大攻堅戰之首，重點是防控金融風險。區域性金融系統構成了國家整體金融系統，故控制區域性金融風險是防范宏觀金融風險、確保國家經濟金融安全的基礎。在此背景下，加強對區域性金融風險的科學測度，深入研究數字金融對區域性金融風險的影響，從而提升地方數字金融治理能力，避免因過度創新而導致新的區域性金融風險產生，已成為金融領域的重大課題。

一、文獻回顧

我國的數字金融實踐已經取得了令人矚目的成效，日益成熟的數字金融，為我國傳統金融行業提供了全新的發展模式和創新機會。郭峰等[2]的調查表明，數字金融是實現低成本、廣覆蓋和可持續性金融發展的重要模式，為經濟落后地區實現經濟趕超提供了機會。田新民和張志強[3]在研究中發現，數字金融技術的進步可以通過提高金融資源配置效率來促進中國經濟發展。錢海章等[4]認為，數字金融能夠推動創新創業，助力我國經濟高質量發展。

在認同數字金融給經濟發展帶來積極影響的同時，學者們也開始廣泛關注其對于區域性金融風險的影響，但目前尚未達成共識。部分學者支持數字金融會加劇區域性金融風險。Beck等[5]發現，數字金融創新不能完全消除風險，反而因無序和過度創新會改變金融結構，造成金融體系的不穩定。戴國強和方鵬飛[6]以及吳曉求[7]發現，隨著數字金融的多維度發展，銀行融資成本增加，加大了銀行的破產風險，進而可能催生區域性金融風險。黃益平和黃卓[8]以及顧海峰和楊立翔[9]認為，由于數字金融快速發展，商業銀行為獲得高額回報而主動承擔更大風險，造成了金融風險積聚，由此增加了區域性金融風險爆發的可能性，進而影響經濟發展的穩定性與安全性。趙增奎[10]和吳善東[11]認為，數字金融的新型業態發展速度快，且數量眾多、規模不一，跨地區數字金融產業使得傳統金融監管方式難以見效，會形成監管盲區，助長了金融市場的風險傳播，加大了區域性金融風險。Frost等[12]研究認為，大型金融機構利用數字技術有可能進一步集中市場份額從而導致新的區域性金融風險出現。部分學者支持數字金融能夠抑制區域性金融風險，有利于金融穩定。丁杰[13]認為，傳統金融機構通過廣泛使用數字技術，創造了更多的金融產品種類，為投資者提供了多種選擇，能夠促進風險的分散轉移。趙燕等[14]和劉忠璐[15]認為，金融機構利用大數據、云計算等創新性數字技術，完善了個人信用評估和風險管控體系，金融風險識別、預警和管理能力顯著提升，從而緩解了區域性、系統性金融風險。衛曉鋒[16]和羅航等[17]指出，數字金融降低了信息收集成本，減弱了信息不對稱性，弱化了信貸波動和資產價格的波動，同時為金融機構帶來大量未開發客戶，拓寬了資金來源渠道，進一步抑制了信用風險的產生和系統性金融風險的擴散。王娟和朱衛未[18]研究發現，數字金融的發展能夠有效降低企業的非效率投資水平，并實現有效地去杠桿，從而提高企業財務穩定水平，由此降低了微觀主體引發區域性金融風險的可能性。李優樹和張敏[19]以及歐陽資生等[20]發現，數字金融可以同時從降低交易成本、提升盈利能力、增強風險抵御能力等多方面對區域性金融風險起到抑制作用。

上述文獻梳理清晰地顯示了數字金融與區域性金融風險之間的關聯性。目前，學界對于國家層面金融風險的研究很多，大多側重研究了數字金融的廣泛應用對商業銀行產生的風險，但較少涉及數字金融對區域性金融風險影響的定量研究，且已有文獻也僅以面板數據固定效應回歸模型進行實證分析，研究不夠深入。綜上，本文以我國30個省份為樣本（基于數據的可得性與完整性，暫未包括港澳臺地區和西藏自治區），從各省份實際金融狀況出發，以分屬于金融市場類型、外部經濟以及宏觀經濟的共16個指標2011—2020年度的統計數據為依據，構建我國區域性金融風險衡量體系并利用熵權法進行賦值，然后利用基準回歸模型與空間杜賓模型實證研究數字金融對我國區域性金融風險的影響，最后提出相關政策建議。

二、理論分析與研究假設

（一） 數字金融對區域性金融風險的直接影響

已有研究顯示，數字金融本身具有的普惠性和便捷性提升了傳統金融的可及性，對區域性金融風險產生一定影響，這種影響可以歸納為加劇作用和抑制作用兩種[21]。

數字金融通過對金融體系的內部影響和外部影響加劇區域性金融風險。內部影響主要有四個方面。首先，數字金融的去中介功能可能引發金融脫媒效應，由此稀釋銀行存款資金而加大銀行市場風險。其次，數字金融的高收益理財功能可能引起債券市場資金轉移，從而導致債券價格下跌而加大債券市場風險。再次，數字金融的數字化股權眾籌功能可能引起股票市場資金轉移，從而導致股票價格下跌而加大股票市場風險。最后，數字金融的網絡化服務功能改變了傳統保險行業以線下銷售為主的模式，同時催生出許多新的險種與線上營銷方式，加大了保險機構數字化轉型升級過程中的風險。外部影響主要有三個方面。首先，隨著數字金融客戶規模的擴大，信貸、擔保等準入要求降低，增加了金融機構承擔的信用風險，區域性金融風險爆發的可能性增加。其次，數字金融憑借較強的便捷性和較低的交易成本擠占了傳統金融機構的市場份額，當服務于地方經濟發展的金融機構面臨經營困境時，就會引發區域性金融風險[22]。最后，數字金融推動了交易業務數字化，客戶信息和交易內容的安全隱患加大，不利于金融業的穩定發展[21]。

數字金融對區域性金融風險的抑制作用主要體現在金融體系的風險抵抗能力增強。第一，互聯網及信息技術與傳統金融業態相結合催生出數字金融新業態，這種新業態發展勢頭迅猛，能有效吸收市場中的閑置金融資源、拓寬融資渠道、降低融資成本，從而更好地服務于實體經濟，進而降低區域性金融風險。第二，數字金融為地方政府融資提供了更多選擇，降低了地方政府對銀行信貸融資的依賴，有利于緩解其融資約束與債務壓力，從而抑制區域性金融風險。第三，數字金融能夠更精準地獲取市場信息，極大地緩解了買賣雙方的信息不對稱，從而減少道德風險等代理問題，推動金融市場健康運轉。第四，數字金融通過大數據信息技術使得金融市場的定價更加合理，提高了金融資源配置效率，大大降低了金融資源錯配風險[22]。第五，數字金融推動了金融行業的制度創新和產品創新，提升了金融服務質量，促進了金融體系乃至經濟結構的優化升級，有助于金融市場的有效運轉，進而增強其風險抵抗能力。第六，數字金融憑借其普惠性、高效性的特征迅速捕獲了潛在的長尾市場，在信息技術的支撐下擴大金融供給，同時推動傳統金融機構運營流程智能化、規范化，提升了金融機構的風險應對能力，有助于金融行業實現轉型升級、提質增效[23]。

基于上述分析，本文提出研究假設H1：數字金融會抑制區域性金融風險。

（二） 數字金融對區域性金融風險的空間溢出效應

在我國金融行業數字化轉型過程中，金融機構之間的互聯互通性變得更為廣泛，各地區金融系統之間的耦合性更強，區域性金融風險的聯動性也因此提高。一方面，不同地區對于跨地區數字金融活動的監管并未達到全方位的狀態，仍存在監管空白區域，加上部分監管方法相對滯后、低效，助長了影子銀行的產生與發展，一旦出現違約情況就容易形成“多米諾骨牌效應”，產生跨部門、跨區域風險溢出效應，導致金融風險的破壞水平和影響范圍增大。另一方面，數字金融發展速度極快，吸引了各類高質量要素資源集聚，一個地區的高速發展往往能輻射鄰近地區，通過“擴散效應”帶動周邊地區共同發展，促進鄰近地區的金融制度完善和金融基礎設施建設，從而抑制區域性金融風險的產生，增強金融風險的抵御能力。

基于以上分析，本文提出假設H2：周邊地區數字金融的發展會間接影響本地區的區域性金融風險，即具有空間溢出效應。

三、研究設計

（一） 樣本選擇與數據來源

本文最終選取我國30個省份（基于數據的可得性與完整性，暫未包括港澳臺地區和西藏自治區）2011—2020年的面板數據開展實證研究。其中，數字金融數據來自北京大學數字金融研究中心，其他數據來自《中國統計年鑒》、國家統計局網站和Wind數據庫，并使用插值法計算部分缺失值。

（二） 變量設定

被解釋變量：區域性金融風險(RFR)。參考歐陽資生等[20]的研究，本文將區域性金融風險定義為區域內金融機構微觀金融風險的擴散，及其他區域通過金融活動的互聯性向本地區傳播的金融風險。目前，學術界尚未對區域性金融風險形成統一的測度方法，衡量指標也各有優缺點。本文在參考相關學者研究框架[24-25]的基礎上，充分考慮到指標選取的科學性、全面性、獨立性與可得性原則，根據中國金融市場分類、對外經濟和宏觀經濟形勢，構建了一個衡量區域性金融風險的指標體系（見表1），并使用熵值法對各項指標進行賦權，計算得到區域性金融風險指數。

表1 區域性金融風險指標體系

解釋變量：數字金融（DF）。參考黃益平和黃卓[8]的研究，本文將數字金融定義為傳統金融機構與互聯網公司利用數字信息技術進行創新，實現高效融資、支付、投資，并衍生出新型金融業務模式。北京大學數字金融研究中心測算的數字普惠金融指數涵蓋了 2011—2020 年中國各省份數據，具有很強的真實性、權威性與可信性，符合本文的實證要求，因此，本文選擇數字普惠金融指數的對數值表征解釋變量。

控制變量：用城市道路照明燈數量的對數值反映城市化水平（URB），用第三產業產值與第二產業產值之比衡量產業結構合理程度（STR），用城鎮居民人均可支配收入的對數值反映家庭收入水平（INC），用地方財政支出占地區 GDP 的比例衡量政府調控（GOV），用規模以上工業企業單位數量的對數值代表工業化水平（IND）。

工具變量：互聯網普及率（NET）， 用互聯網寬帶接入用戶人數與常住人口總數之比衡量。

（三） 模型構建

1.基準回歸模型

為了分析數字金融對我國區域性金融風險的影響，本文建立如下基準回歸模型：

式中，i代表省份；t代表時間；RFRi,t為本文的被解釋變量，表示i省份在第t年的區域性金融風險；解釋變量為DF；Ctrls表示本文的控制變量；νi為個體固定效應；μt為時間效應；ε為隨機誤差項。

2.空間計量模型

為了探討空間溢出效應，本文構建如下空間計量模型。

首先，本文構建空間滯后模型（SAR）如下：

式中，ρ為空間自回歸系數；W為空間鄰接矩陣，定義為：

上式中的i和j分別代表兩個區域。然后，本文構建空間誤差模型（SEM）如下：

式中，λ為空間誤差回歸系數。

最后，本文構建空間杜賓模型（SDM）如下：

式中，WRFRi,t是空間滯后項；系數ρ是空間自回歸系數，表示空間上相鄰地區對本地區形成的空間外溢效果，其估計值可以直接反映空間溢出效應的大小和方向。

四、實證研究與結果分析

（一） 描述性統計分析

表2給出了相關變量的描述性統計情況。表2顯示，RFR的最大值為0.6496，最小值為0.1963，平均值為0.3292，表明我國不同地區區域性金融風險水平存在一定差異，且部分地區區域性金融風險較高。與RFR相比，雖然DF的均值更高，但其標準差遠大于RFR的標準差，分布更具離散性，表明不同地區數字金融發展水平存在較大差異。此外，控制變量和工具變量的統計值均在正常范圍內。

表2 變量的描述性統計

（二） 回歸結果與分析

1.基準回歸結果及分析

本文根據Hausman 檢驗結果，確定基準回歸分析應采用雙向固定效應模型，并得到回歸結果見表3。由表3可知，在考慮控制變量的影響之后，數字金融每變動 1 個單位會使得區域性金融風險反向變動 0.0225 個單位，且在 5% 顯著性水平下通過檢驗，即數字金融的發展會顯著減緩區域性金融風險的積聚與發生，這一結論與 H1一致。可能的原因包括：數字金融的發展降低了信息收集成本，緩解了信息不對稱程度，同時促進了金融創新，增強了金融體系抵御風險的能力，也抑制了區域性金融風險。在控制變量方面，樣本期間的城市化水平、產業結構合理程度會抑制區域性金融風險的發生，家庭收入水平、政府調控與工業化水平的影響相反。

表3 基準回歸結果

2.內生性分析

為確保實證結果的嚴謹性，本文借鑒康鑫依等[26]的做法，選取2011—2020年我國省級互聯網普及率的自然對數作為工具變量進行內生性檢驗。一方面，數字金融的興起、發展與互聯網的普及率密切相關，另一方面，互聯網的普及率與區域性金融風險沒有直接關系，因此互聯網普及率符合本文的工具變量選取標準。

表4為使用工具變量即互聯網普及率（NET）進行兩階段最小二乘法的估計結果。結果顯示，第一階段F值遠高于10，表明不存在弱工具變量問題，工具變量的選取有效。從第二階段來看，引入工具變量后的回歸系數為?0.0601，且在5%的顯著性水平下通過檢驗，表明數字金融與區域性金融風險仍存在負向相關關系，即數字金融能抑制區域性金融風險，進一步證明了基準回歸結果的嚴謹性，驗證了H1。

表 4 (續)

表4 內生性檢驗

3.異質性分析

首先，由于我國不同地區資源要素配置與經濟社會發展水平存在明顯差距，導致數字金融發展狀況差異較大，為此，本文擬進一步考察數字金融對區域性金融風險影響的區域異質性①。其次，盡管數字金融出現較早，但直到2013年余額寶的誕生才引發數字金融的快速發展，為此，本文擬借鑒段永琴[27]的做法，將研究樣本分為2011—2012年和2013—2020年兩個范圍進行時間異質性檢驗。分析結果詳見表5。

表5 異質性分析結果

表5顯示，四個區域數字金融的發展均會抑制區域性金融風險，但影響水平差異較大，其中，數字金融對西部地區區域性金融風險的抑制作用最大，東北和東部次之，中部最小。可能的原因包括：隨著我國西部地區數字基礎設施建設加快，數字化技術推動了金融風險預警機制的完善，減小了區域性金融風險發生的可能性；東部地區和中部地區金融業配套設施相對完備，金融體系相對成熟，抵御風險的能力較強，故邊際作用較小；東北地區因各種原因尚未實現實體經濟和數字金融的深度融合，產業融合效應和產業聯動效應不明顯，導致數字金融對區域性風險的抑制作用不明顯。表5還顯示，在2011—2012年區間，數字金融對區域性風險的影響較小，但在2013—2020年區間，DF的回歸系數在5%的水平下通過顯著性檢驗，且系數絕對值遠高于其在2011—2012年區間的數值，說明數字金融對區域性風險的抑制作用主要顯現在2013年之后。

4.區域性金融風險空間相關性檢驗

為了驗證假設2，本文首先選取30個省份的經緯度坐標構建基于地理位置的空間鄰接矩陣，由此計算2011—2020年區域性金融風險的全局Moran′s I指數，進行空間相關性驗證。計算公式如下：

式中X為區域性金融風險，S2為其樣本方差，n為樣本數量。表6顯示，我國2011—2020年區域性金融風險的Moran′s I指數均顯著大于0，即存在正向空間相關性，可進行空間面板回歸分析。

表6 區域性金融風險空間相關性檢驗

然后，本文以空間鄰接矩陣為基礎，繪出區域性金融風險的四象限莫蘭散點聚集圖，見圖1。

圖1 2020年各地區區域性金融風險 Moran 散點圖

限于篇幅，本文僅列示了2020年的Moran散點圖。從圖1可以看出，我國大多數省份主要集中在第I和第III象限，說明區域性金融風險水平相近的省份之間存在空間集聚現象，即具有正向的空間相關關系。

5.空間計量模型實證與分析

上述空間相關性檢驗結果表明，區域性金融風險具有正向的空間相關關系，下一步本文將驗證假設2，即數字金融對區域性金融風險存在空間溢出效應。

為選擇合適的空間計量模型，本文首先進行Hausman檢驗，根據檢驗結果P=0.0000選擇空間固定效應模型。然后，使用LM檢驗拒絕混合OLS回歸，發現雙向固定效應在10%的顯著性水平下大多數變量P值均顯著，且擬合值R2最高，說明擬合程度最好。最后，根據LR檢驗結果，拒絕將SDM模型退化為SEM模型或SAR模型，故本文最終選用雙向固定的SDM模型來研究數字金融對區域性金融風險的空間溢出效應。檢驗結果見表7、表8。

表7 LM檢驗結果

表8 LR檢驗結果

表9為數字金融對區域性金融風險的SDM估計結果。表9顯示，采用空間杜賓模型進行空間計量分析時，空間自回歸系數ρ為 0.2271，表明我國區域性金融風險存在顯著的聚集效應。數字金融的空間滯后項W×DF系數為負，且在1%水平下通過了顯著性檢驗，即數字金融對區域性金融風險具有顯著的空間溢出效應，表明鄰近地區數字金融的發展也會間接起到緩解本地區區域性金融風險積聚的作用，抑制區域性金融風險的產生，驗證了假設H2。可能原因包括：隨著鄰近地區數字金融的不斷發展，更多的高質量要素資源將流入該區域，在推動鄰近地區經濟發展的同時，通過擴散效應與區域協同效應促進本地區金融體系的完善，從而減小本地區區域性金融風險的發生概率。

表 9 (續)

表9 數字金融發展對區域性金融風險的SDM估計結果

由于SDM模型包含了空間滯后項，其系數不能準確度量模型中解釋變量對被解釋變量的影響程度，所以，本文下一步將采用偏微分方法對溢出效應進行分解，結果如表10所示。

表10 SDM模型直接、間接和總效應分解

表10顯示，數字金融對區域性金融風險的直接效應為正，間接效應以及總效應均顯著為負，表明在考慮空間因素之后，雖然跨地區數字金融活動會形成監管盲區，增加本地區金融風險的傳播，但是由于鄰近地區數字金融的發展可以通過空間溢出效應減緩本地區的區域性金融風險，且間接效應產生的抑制作用遠遠大于直接效應導致的加劇作用，因此總體上降低了我國區域性金融風險水平，驗證了假設H2。城市化水平、產業結構合理程度的總效應均為負，表明這些因素會抑制區域性金融風險的發生，家庭收入水平、政府調控與工業化水平的總效應均為正，結論相反。

（三） 穩健性檢驗

為保證上述結論的可靠性，本文參考汪亞楠等[28]的做法進行穩健性檢驗。首先，更換本文的解釋變量，用數字普惠金融指數三個維度分指標的對數值再次檢驗數字金融對區域性金融風險的空間溢出效應，三個維度分指標分別為覆蓋廣度（DF1）、使用深度（DF2）和數字化程度（DF3），回歸結果見表11。可以看出，在替換解釋變量后，空間滯后項回歸系數仍為負，即鄰近地區數字金融的發展抑制了本地區面臨的區域性金融風險，且間接效應大于直接效應，加總后的總效應仍為負，證明了結論的可靠性與穩健性。其次，剔除直轄市。考慮到直轄市與其他省份相比可能存在一定的經濟發展獨特性，從而可能影響實證結果的準確性，因此本文剔除四個直轄市后再次進行回歸分析，結果見表11，結論不變。

表11 穩健性檢驗

五、研究結論與啟示

（一） 研究結論

本文以數字金融為解釋變量，以區域性金融風險為被解釋變量，基于我國2011—2020年30個省份的統計數據，構建面板模型與空間杜賓模型，實證檢驗數字金融對區域性金融風險的直接影響以及空間溢出效應，研究結論如下：（1）數字金融能顯著抑制我國區域性金融風險。（2）我國區域性金融風險具有顯著的正向空間相關性。（3）我國數字金融對區域性金融風險具有空間溢出效應，即周邊地區數字金融的發展間接抑制了本地區的區域性風險。（4）數字金融對區域性金融風險的抑制作用具有區域異質性和時間異質性，對西部地區的抑制作用最大，東北和東部次之，中部最小，且抑制效應主要體現在2013年之后。

（二） 政策建議

基于上述結論，本文提出推動數字金融發展、緩解我國區域性金融風險的如下政策建議：

第一，健全數字金融運行機制，設立數字金融監管機構。本文研究顯示，數字金融能夠顯著抑制我國區域性金融風險，為此，政府部門應健全數字金融運行機制，加強數字化基礎設施建設，確保數字金融的良性發展。此外，政府部門可考慮設立數字金融監管機構，專門負責數字金融的監管和風險防范，通過建立與時俱進、動態調整的監管機制，一方面提高區域性金融風險監管的精準性和及時性，另一方面防范因數字金融過度創新而引發區域性金融風險。

第二，優化資源配置，拓寬數字金融的空間溢出通道。鑒于周邊地區數字金融的發展可以通過空間溢出效應間接抑制本地區區域性風險，因此政府部門應該優化資源配置，加快構建大數據全要素流動的國內統一大市場，進一步消除阻礙要素跨區域流動的體制性障礙，加速要素間的空間集聚和跨區域深度融合，拓寬數字金融的空間溢出通道。

第三，實行差異化地區發展戰略，增強整體風險應對能力。本文研究顯示，數字金融對區域性金融風險的抑制作用存在地區差異，而根本原因在于各地區的經濟社會發展水平存在明顯各異。因此，現階段我國政府應依據各地區實際情況采取差異化發展戰略，推動西部大開發形成新格局，支持東北振興取得新突破，促進中部地區加快崛起，鼓勵東部地區加快推進現代化，通過縮小地區間差異增強整體風險應對能力。

注釋：

① 根據中國四大經濟區劃分標準，東部地區包含北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包含山西、安徽、江西、河南、湖北、湖南；西部地區包含內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆；東北地區包括遼寧、吉林、黑龍江。