數字化轉型與商業銀行信用風險管理：效應分析與國際借鑒

摘要

數字化轉型在創新商業銀行管理模式的同時，也帶來了不可忽視的信用風險。本文以2010—2021年140家商業銀行為研究對象，基于戰略數字化、業務數字化和管理數字化三個維度，實證檢驗了數字化轉型對商業銀行信用風險的影響效應，并對國際同業先進經驗進行了梳理總結。研究發現：商業銀行數字化轉型與信用風險水平總體存在先降后升的倒U型關系，隨著轉型的深入，數字化轉型會通過銀行盈利能力這一機制，產生明顯的“信用風險優化”效應；戰略數字化、管理數字化轉型對商業銀行信用風險的短期影響不明顯，業務數字化轉型的“信用風險加劇”效應在短期較為明顯；從長期來看，戰略數字化、管理數字化、業務數字化轉型均會產生“信用風險優化”效應，而管理數字化轉型的相關效應最為明顯；異質性檢驗還發現，相比于非國有銀行，國有銀行通過數字化轉型更有效地降低了信用風險水平，且數字化轉型對大規模商業銀行“信用風險優化”效應也更為明顯。

關鍵詞數字化轉型商業銀行信用風險管理國際經驗

一、引言和文獻綜述

黨的二十大報告明確指出，要“強化金融穩定保障體系，依法將各類金融活動全部納入監管，守住不發生系統性風險底線。”中央金融工作會議也進一步強調，防控風險是金融業的永恒主題。信用風險防控不僅是防范化解金融風險的重點領域，也是商業銀行穩健經營面臨的主要風險之一。隨著大數據、人工智能、區塊鏈等數字技術逐漸成熟，商業銀行紛紛布局數字化轉型以重塑和革新經營模式（穆紅梅和鄭開焰，2021），這種技術驅動型的金融創新不僅催生出了電子銀行、線上貸款等新的服務方式和產品類型（Jaki&Marin，2019），也為商業銀行信用風險管理提供了自動審核、智能審批、大數據征信、智能化信用評分模型及貸后動態監控等多元化的智能風險控制手段。但與此同時，商業銀行數字化轉型過程受多種因素影響，可能衍生出包含信用風險在內的其他風險（陸岷峰，2023），這些風險有可能轉化為嚴重的系統性金融風險。在此背景下，深入研究數字化轉型對商業銀行信用風險管理的影響效應，梳理總結國際先進經驗，在此基礎上科學構建我國銀行數字化轉型過程中的信用風險監測與監管機制，對于鞏固數字化轉型成果、提高銀行風險治理能力、保障中國金融體系運行的平穩性及安全性，具有十分重要的理論價值和現實指導意義。

信用風險管理是商業銀行經營管理的重要內容。國內外學術界主要從信用風險的來源、量化和防范視角出發，進行了較為深入的研究。DellAriccia&Marquez（2004）認為，信息不對稱是造成信用風險產生的主要因素。Das&Ghosh（2007）利用某銀行近10年的歷史數據分析發現，在外部因素影響較小的情況下，銀行自身管理水平是影響信用風險的主要因素。顧海峰（2014）認為，商業銀行的貸款業務是銀行信用風險的主要來源，管理制度、銀行機制等方面也是銀行信用風險的潛在誘因。早期銀行多使用專家評分法進行信貸分類，但該過程存在主觀隨意性（Shaw&Gentry，1988）。1988年實施的《巴塞爾協議》通過設定不同類型資產的權重，開啟了量化風險的研究。在發展過程中，銀行業傳統信用風險度量模型存在的時效性不強、假設單一等問題不斷被修正，演化出了KMV模型、CreditRisk+模型等。Dai（2020）利用KMV模型對某銀行近年來的財務數據進行了計量分析，從而實現了風險的衡量與規避。Lu&Tong（2021）對123家企業的現有信用記錄與信用評級進行量化，并運用主成分分析法進行違約分析，建立違約篩選模型，并進一步細化風險等級。也有學者利用CreditRisk+模型、TOPSIS模型等，對單個銀行信用風險進行了度量（呂品等，2014）。對于商業銀行而言，加強內部控制建設，規范審批流程，建立健全風險防控體系顯得尤為重要（Rivera&Mendoza，2017）。

銀行數字化轉型是一項以數據資源為基礎，以金融科技為引擎，實現數字金融與傳統金融深度融合，以達到降低銀行各類成本、提高銀行客戶黏性、改善銀行運營效率（羅煜等，2022；姚志剛等，2016；郭峰等，2023）等多元目標的系統性變革工程。根據世界銀行2021年的調查，數字化轉型是絕大多數傳統商業銀行的一項戰略重點（Feyenetal.，2021）。隨著商業銀行數字化轉型的廣泛開展，研究數字化轉型影響銀行風險承擔的文獻也越來越多，但得到的結論莫衷一是。一種觀點認為，銀行應用金融科技等數字技術手段有助于緩解信息不對稱、優化貸款結構，實現銀行管理成本的降低和經營效率的提升（Begreetal.，2020；郭峰等，2023；蔣海等，2023），從而抑制銀行信用風險，產生所謂的“信用風險優化”效應。另一種觀點認為，數字化轉型使商業銀行面臨更多的信用風險，從而產生“信用風險加劇”效應。李向紅和陸岷峰（2023）認為，由于數字技術具有傳播、放大等功能，疊加金融行業的高杠桿、高風險特征，風險一旦形成往往控制難度較大，且數字化轉型風險具有一定的隱蔽性，識別難度相對較大。數字時代金融創新產品的風險隱蔽性強，數據、網絡、隱私、第三方技術依賴等科技屬性風險均是風險傳染的潛在影響因素，也形成了滲透力與傳染力更強的市場風險（蔚趙春和徐劍剛，2017）。此外還有學者認為，金融科技、互聯網金融等對銀行風險承擔的影響不是簡單的促進或抑制關系，而是非線性或非對稱性的關系（郭品和沈悅，2015；劉忠璐，2016；蔣海和吳文洋，2020；金洪飛等，2020）。但是，銀行的數字化轉型并不等同于信息化，也不是簡單的對金融科技的使用，其還帶來了新的業務形態、管理方式，相應地，銀行數字化的過程可以分解為戰略、業務和管理等維度的數字化（謝絢麗和王詩卉，2022）。銀行數字化轉型內涵界定的差異可能導致了研究結論的不一致。

相比于現有文獻，本研究可能存在以下邊際貢獻：第一，基于戰略數字化、業務數字化和管理數字化三個維度，本研究更加全面細致地考量了商業銀行數字化轉型對于信用風險的影響及可能存在的異質性，這不僅彌補了以往僅從數字技術應用視角進行研究的局限性，也有助于商業銀行管理者制定更有針對性的戰略規劃。第二，本研究從非線性角度考察數字化轉型與商業銀行風險的關聯性，其結論能夠更加貼近銀行業數字化轉型發展實際。第三，本研究系統梳理總結了國際商業銀行及政府組織通過數字化轉型加強信用風險管理的有益經驗，為在數字時代建設更適宜于我國國情特征的商業銀行風險管理體系提供了一定的政策啟示。

二、理論分析與研究假說

數字化是一個系統性、全面性的過程。本文主要從戰略數字化、業務數字化和管理數字化三個維度探究數字化轉型對于商業銀行信用風險的影響。首先，戰略數字化體現了商業銀行在整體戰略層面對數字技術的關注，較高的戰略數字化程度有助于提升商業銀行決策制定者對于數字化轉型的認識，幫助其更準確地分析宏觀經濟趨勢和市場動態（翟勝寶等，2023），有效提高決策效率，提升合規監管的自動化水平，從而制定更為合理的信貸政策和風險控制策略。其次，業務數字化使得銀行更好地將數字技術融合于自身提供的金融服務。一方面，這有助于銀行優化業務流程，增加盈利模式的多元化，從根本上提升自身抵御風險的能力；另一方面，業務數字化的應用可以增強銀行獲取和處理客戶信息的能力，從而緩解銀行與客戶之間的信息不對稱問題，更精準地評估借款人的信用風險，優化貸款結構。此外，數字化手段有助于銀行拓展信貸客戶群體，避免信貸資源過度集中于少數借款人，從而降低信貸風險。再次，管理數字化體現為數字技術融合于治理結構和組織管理的程度，主要作用于改變組織內部架構、人才培育結構以及加強與外部科技公司的投資合作。管理數字化對傳統商業銀行的經營模式和員工培養理念產生了深層次影響，銀行圍繞數字技術不斷優化組織架構和人才構成，在進一步減少管理費用與服務成本、增強金融科技人才“虹吸效應”的同時，實現了降本增效和盈利模式多元化，從源頭降低了信用風險。加強與外部科技公司的投資合作在一定程度上實現了數據、算法、交易和流程的共享（穆紅梅和鄭開焰，2021），有助于提高銀行對借款人信用狀況評估的準確性，有效減少信息不對稱帶來的信用風險。據此，本文提出假說1。

H1：商業銀行基于戰略數字化、業務數字化和管理數字化三個維度開展數字化轉型，能夠產生“信用風險優化”效應，有助于降低商業銀行信用風險。

從現有研究來看，數字化轉型對商業銀行信用風險的影響可能隨著數字化程度的變化而呈現非線性趨勢。一方面，從盈利能力角度來看，在數字化轉型的早期，商業銀行需要投入大量人力、物力和算力等資源，運營成本提升，可能導致經營效率下降，從而迫使銀行轉向利潤更高、風險更大的資產以彌補成本的增加，加劇信用風險。另一方面，從技術角度來看，在初期階段，數字化轉型發展可以通過改變區域內金融科技人才的流動，使對銀行風險控制技術發展至關重要的金融科技人才從以商業銀行為代表的傳統金融業部門流向新興金融科技企業，進而抑制商業銀行的技術改進和風險控制能力提升。因此，從短期來看，商業銀行開展數字化轉型面臨“信用風險加劇”的可能性。但是，隨著商業銀行數字化轉型進入相對成熟的階段，此前的“信用風險加劇”效應可能逐漸弱化，數字化轉型的“信用風險優化”效應逐步占據主導地位，從而降低銀行的風險水平。據此，本文提出假說2。

H2：數字化轉型對于商業銀行信用風險的影響可能存在非線性特征，即呈現先升后降的倒U型關系。

三、研究設計

（一）樣本選擇和數據來源

本文使用2010—2021年140家商業銀行的非平衡面板數據，其中包括6家國有商業銀行、9家股份制商業銀行、113家城市商業銀行、10家農村商業銀行和2家外資銀行。銀行數字化轉型數據來源于北京大學數字金融研究中心課題組構建的“商業銀行數字轉型指數”，銀行層面的數據來源于國泰安數據庫（CSMAR）和中國研究數據服務平臺（CNRDS），并通過手動查詢銀保監會公布的銀行年報進行了補齊。此外，本文對連續性變量在1%的水平上進行了縮尾處理。

（二）模型構建

為了檢驗銀行數字化轉型對銀行信用風險的影響，本文構建如下基準模型：

riskit=β0+β1Digit+β1Dig2it+∑γXit+ηt+μi+εit（1）

其中，i、t分別代表個體和年份，riskit表示銀行信用風險，Digit表示銀行的數字化轉型程度，Xit表示為排除其他因素對實證檢驗的影響，引入的銀行層面的控制變量。模型中還加入了時間固定效應（ηt）和個體固定效應（μi）。εit為隨機誤差項。

（1）被解釋變量：銀行信用風險（risk）

在現有的研究中，度量銀行系統性風險的方法眾多，主要有Z值、不良貸款率、預期違約概率等。其中，Z值衡量商業銀行的破產風險水平，無法反映當前銀行承擔的風險；不良貸款率衡量商業銀行的貸款業務損失，并非銀行的風險承擔意愿，并且由于貸款五級分類存在非市場化的人為操作空間，加之不良資產剝離政策調整，其測度出的數據可能存在失真；預期違約概率受制于當前我國尚未建立健全的信用評價體系，缺乏完整的數據進行精準測度。相比之下，加權資產風險占比更能體現商業銀行的事前風險，可以有效反映銀行調整資產結構的意愿和行為。因此，本文參考王金明和王心培（2022）的做法，使用風險資產加權占資產總額的比重來衡量商業銀行信用風險水平。

（2）解釋變量：銀行數字化轉型（Dig）

目前，國內學者就銀行數字化轉型的評估尚未建立統一的標準。其中，王永進等（2017）使用信息化建設等投入指標來衡量商業銀行的數字化程度。王詩卉和謝絢麗（2021）通過文本分析方法統計了商業銀行與金融科技有關的專利申請數量，用其衡量數字化轉型。蔣海等（2023）通過機器學習抓取企業年報中數字化相關關鍵詞的頻率，用該數值反映商業銀行的數字化轉型。為了更全面、客觀地評估我國商業銀行的數字化轉型情況，本文借鑒了北京大學商業銀行數字轉型指數，從戰略數字化、業務數字化、管理數字化三個維度衡量銀行的轉型程度。

（3）控制變量

為剔除其他因素對企業資源配置效率的影響，本文從銀行個體因素和宏觀環境因素兩方面選取控制變量。在銀行個體層面，本文借鑒羅煜等（2022）的思路，從銀行盈利性、流動性和安全性視角選取了銀行規模（Size）、盈利水平（Roe）、資本充足率（Car）、資產負債率（Lev）、董事會獨立（Depo）、第一大股東比例（Top1）共計6個指標。在宏觀環境層面，本文選取了經濟發展水平（Gdp）、居民消費價格指數（Cpi）共計2個指標。各變量定義見表1

四、實證檢驗與結果分析

（一）基準回歸分析

表2為商業銀行數字化轉型對銀行信用風險影響的基準回歸結果。列（1）單獨考察了數字化轉型與信用風險的關系，Dig的系數在1%水平上顯著為正，說明數字化轉型會加大銀行的信用風險。列（2）在列（1）的基礎上進一步加入了數字化的平方項，Dig2在1%水平下顯著為負，而Dig系數在1%水平上顯著為正，說明商業銀行數字化轉型與信用風險水平存在先升后降的倒U型關系。列（3）進一步加入了控制變量，Dig、Dig2的符號、顯著性均未發生改變，說明引入控制變量后并沒有改變兩者間的倒U型關系。為了保證結果的準確性，本文進一步進行了非線性關系檢驗，P值為0.00113，進一步說明了數字化轉型與信用風險間存在倒U型關系，由此假說2得到驗證。本文倒U型關系的轉折點為Dig=0655，大于對應指標的均值（0583），表明當前大部分商業銀行數字化轉型可能處于初期階段，數字化轉型提高了商業銀行的信用風險水平。

本文進一步關注導致這種倒U型關系的原因。已有研究表明，銀行的流動性、盈利能力、經營效率等特征是影響其風險承擔的重要因素。因此，本文選取經營績效（Roe）、資本周轉率（Totc）、成本收入比（Cir）等指標對數字化轉型超過轉折點時銀行風險承擔下降的原因進行進一步分析。具體來說，本文依據轉折點構造虛擬變量TP（大于轉折點時取值為1，否則為0），并將TP與Roe、Totc、Cir的交互項依次加入表2的列（2）中進行回歸，如果交互項系數顯著，說明當商業銀行數字轉型達到一定程度時，該變量對其信用風險的影響將產生顯著變化。表3的結果顯示，Roe*TP的系數在5%的水平上顯著為負，說明銀行數字化轉型能夠通過提升銀行盈利能力，進一步降低信用風險。

（二）穩健性檢驗

1.替換被解釋變量。本文采用不良貸款率（Debt）衡量商業銀行的信用風險，按照式（1）的模型重新進行回歸。表4列（1）中Debt的系數在1%水平下仍顯著為負，說明表2估計結果是穩健的。

2.內生性檢驗。為了避免因信息獲取困難導致變量遺漏等產生的內生性問題，本文采用工具變量法進行內生性處理。借鑒彭俞超和馬思超（2022）的做法，本文采用互聯網普及率作為商業銀行數字化轉型的工具變量IV1。互聯網發展水平既可以反映銀行數字化轉型的基礎設施環境，又不受到商業銀行個體特征的影響。借鑒張國勝和杜鵬飛（2022）的做法，本文采用年份—地區數字化轉型的平均值作為工具變量IV2。商業銀行地區數字化轉型平均值可能會影響所在地區銀行的數字化選擇，但并不影響具體某個銀行的風險水平。列（2）和列（3）為使用工具變量后的回歸結果，Dig系數的顯著性并未發生改變，且一階段的F值均大于10，驗證了表2估計結果的穩健性。

3.更改模型設定。首先，為了排除宏觀因素干擾，本文采用企業—時間固定效應、地區與時間交互固定效應代替基準模型的設定，估計結果見列（4）。其次，本文將被解釋變量滯后一期，采用差分GMM模型重新對列（2）進行回歸，估計結果見列（5）。與表2結果相比，Dig回歸系數的顯著性并未發生改變，驗證了表2估計結果的穩健性。

4.剔除特殊樣本。首先，考慮到新冠疫情可能對數字技術使用、銀行信用風險存在一定的影響，本文剔除了2020—2021年樣本后重新對列（2）進行回歸，估計結果見列（6）。其次，考慮到城市商業銀行和農村商業銀行的巨大差異，本文剔除了農村商業銀行樣本數據后重新對列（2）進行回歸，估計結果見列（7）。與表2結果相比，Dig的回歸系數顯著性并未發生改變，驗證了表2估計結果的穩健性。

（三）異質性檢驗

1.數字化轉型路徑異質性

前文探討了商業銀行數字化對自身信用風險的影響，但尚缺乏對具體維度影響的深入研究。隨著科技的迅猛發展，數字化轉型已成為商業銀行提升競爭力、適應市場變化的關鍵路徑。已有研究探討了商業銀行數字化對其信用風險的影響，但關于具體維度的數字化如何影響信用風險的研究仍較為有限。本文進一步從戰略數字化、業務數字化和管理數字化三個維度出發，深入分析數字化轉型對商業銀行信用風險的影響，并揭示其中的異質性。表5列（1）—列（3）的結果顯示，數字化轉型三個子維度平方項的系數均顯著為負，說明從長期來看，隨著銀行數字化轉型的深入，戰略數字化、業務數字化和管理數字化轉型均有助于降低商業銀行信用風險，假說1在長期條件下得到驗證。業務數字化的系數顯著為正，而戰略數字化、管理數字化的系數未通過顯著性檢驗。這說明從短期來看，業務數字化不利于降低商業銀行信用風險，存在顯著的倒U型特征，戰略數字化、管理數字化的影響則不明顯。這可能是因為，商業銀行在推進業務數字化的過程中，需要投入大量的資金和技術資源來開發新的數字化產品，這在一定的時間內可能給銀行帶來較大的資金壓力，進而加劇信用風險。然而，隨著業務數字化的深入推進和轉型的逐步成熟，這種不利影響將逐漸減弱，并最終實現信用風險的降低。相比之下，戰略數字化和管理數字化主要通過優化銀行的戰略定位、提升內部管理效率和風險控制能力發揮作用，更多地涉及了長期戰略規劃和內部管理機制的變革，其效果需要較長時間才能顯現。與戰略數字化相比，管理數字化平方項的系數絕對值更大，說明管理數字化不僅是一場技術變革，更是一場深刻的管理變革，其在數字化轉型中的作用尤為突出。從長期來看，管理架構的調整、數字技術人才的引進以及開放合作的金融科技生態，都對商業銀行數字化轉型發揮著重要的作用。

2.商業銀行異質性

首先，不同股權性質的商業銀行對數字化轉型的重視程度不同，銀行風險水平也存在較大差異，因此本文依據第一大股東的產權性質將樣本銀行劃分為國有銀行組和非國有銀行組進行分組回歸。由表5列（4）和列（5）可知，國有銀行平方項的系數在1%水平下顯著為負，非國有銀行平方項的系數在10%的水平下顯著為負，國有銀行和非國有銀行的數字化轉型與信用風險均呈現倒U型關系。但國有銀行倒U型關系的轉折點更早到來，說明國有銀行通過數字化轉型更容易降低自身信用風險。這可能是因為，國有銀行在數字化轉型過程中，憑借其特殊產權性質，能夠擁有更多的資源投入和風險管理技術支持，從而有效地降低信用風險。此外，國有銀行更側重于傳統的存貸款業務，這些業務更容易通過數字化手段進行管理和控制，而非國有銀行可能更偏向于發展高風險的創新業務和產品，數字化的影響更為復雜和不確定，“信用風險優化”效應出現得更晚。

其次，不同資產規模的商業銀行對數字化轉型的動機不盡相同，因此本文依據商業銀行資產均值將樣本數據劃分為大規模組和中小規模組進行分組回歸。由列（6）和列（7）可知，資產規模較大的商業銀行，其數字化轉型在長期對信用風險有顯著的負向影響，這可能與大規模商業銀行的資金、人才儲備充裕有關。中小規模銀行缺乏相應的技術資金支持數字化改造，或即使進行了數字化轉型，也受制于貸款業務群體分散，難以形成規模經濟，這使得中小規模銀行運營成本激增，難以真正降低銀行信用風險。

最后，不同風險水平的商業銀行的資本管理結構、經營效率差異較大，銀行數字化轉型降低其信用風險的效果也存在異質性。本文借鑒項后軍和高鵬飛（2023）的思路，采用面板分位數回歸方法探究在不同信用風險水平下銀行數字化轉型產生的影響是否存在差異。相較于傳統回歸模型，面板分位數回歸能更精準地捕捉解釋變量對被解釋變量在不同分位點上的影響，進而揭示其變化范圍和條件分布形狀的細致特征。本文選取了25%、50%、75%、90%這四個分位數點進行回歸，結果如圖1所示。隨著分位數的增加，銀行數字化轉型二次項對信用風險的負向作用越發突出。75%分位數前，銀行數字化轉型對信用風險的負向影響比較緩和，其后隨著銀行風險水平的提高，數字化轉型對緩解其信用風險的作用顯著增強，說明數字化轉型對風險水平較高銀行的信用風險產生的邊際效應更為強烈。這可能是因為，相較于風險水平較低的銀行，風險水平較高的銀行由于其經營狀況相對不穩定，需要持有更多經濟資本，故在利用數字技術優化風險管理方面具有更迫切的需求。

五、國際經驗借鑒

（一）加大數字化轉型的資源投入

商業銀行的數字化轉型有助于構建更為穩健的風險管理體系，從而降低信用風險。而實現這一過程的前提是，商業銀行在技術投入、人才培養等方面進行相應的戰略規劃和資源配置。國際領先的商業銀行均較早明確了數字化轉型的目標和思路，并不斷加大對數字化轉型的資源投入。根據麥肯錫公司對國際銀行業的調研結果，全球領先銀行將稅前利潤的17%至20%用作研發經費布局顛覆性技術，以加速銀行數字化轉型。以摩根大通為例，集團2023年科技預算高達153億美元，這些資金重點投向了數字銀行、在線投顧、數字人技術、網絡安全等領域的技術應用和產品開發，其中較大部分資金定向投資于云計算、人工智能等新興金融科技領域。摩根大通還積極從頂級大學和頭部科技公司聘請頂級資深技術專家，如聘請曾任谷歌云人工智能產品管理負責人的資深專家同時擔任其銀行的人工智能和機器學習服務、資產和財富管理人工智能技術兩個重要部門的負責人。

（二）強化數字風控，優化業務流程

國外商業銀行在數字風控方面的有益探索主要體現在利用先進的技術手段，如人工智能、大數據分析、區塊鏈等，提高風險管理的效率和準確性。摩根大通是金融科技的積極采用者，其利用機器學習和人工智能技術來增強集團風控系統。通過分析大量的交易數據，摩根大通能夠及時發現并預防欺詐行為，同時不斷優化信用風險評估模型。美國銀行通過使用高級分析和大數據技術，開發了更為精細化的風險評估工具。這些工具可以更好地預測市場動態和客戶行為，從而幫助銀行降低信用風險和市場風險。桑坦德銀行利用區塊鏈技術提高跨境交易的透明度和安全性，通過區塊鏈，銀行能夠實時監控交易狀態，減少欺詐風險，并提高反洗錢監控的效率。高盛開發了自己的風險管理平臺，該平臺集成了多種風險管理工具和模型。利用這些工具和模型，高盛能夠對市場風險、信用風險和操作風險進行全面的分析和管理。巴克萊銀行通過部署智能風控系統，利用機器學習算法分析客戶行為和交易模式，從而提高風險識別的準確性，該系統能夠實時監測異常交易，對潛在的風險事件作出快速響應。德意志銀行運用大數據分析優化其信貸審批流程，通過分析客戶的財務狀況和歷史信用記錄，銀行能夠更準確地評估借款人的信用風險，并作出更加合理的信貸決策。數字銀行（如N26）能夠提供全面便捷的數字銀行服務，通過自動化貸款審批流程，減少了人工干預，從而降低了操作風險和信用風險。

（三）推進銀行開放和平臺化發展

在有效控制風險的前提下，國際銀行通過開放支付及賬戶體系、各類APP、金融科技開發和服務能力等，以金融科技賦能生態圈內的合作伙伴和客戶。與此同時，商業銀行通過開放銀行業務，也獲得了更多的數據及流量入口，為提高銀行評估借款人信用狀況的準確性、減少信息不對稱帶來的信用風險提供了強有力的外在支撐。例如，蘇格蘭皇家銀行等通過開放API接口，可以與第三方金融科技公司合作，共享數據和服務，創建更加透明和高效的金融服務生態，從而降低信用風險。未來，領先的銀行必將是具有強大的金融科技平臺和廣泛的資源生態網絡，能夠完美嵌入并集成金融科技的全球超聯通銀行和卓越金融科技公司。

（四）探索監管創新

數字化轉型涉及大量的創新行為，催生出新的金融風險點，因而設定合理邊界、守住安全底線是數字化轉型得以健康有序可持續發展的關鍵所在。各國為守住安全底線，紛紛加強監管創新。一方面，為“創新先行者”頒發新型牌照，例如新加坡金融管理局發放數字銀行牌照。另一方面，積極推進銀行開放政策落地。國際領先的商業銀行通過不斷完善自身風險管理制度，將數字化轉型可能出現的風險納入風險管理體系。匯豐銀行建立數字創新項目的評估機制，針對數字化轉型中的新技術和新應用構建新型風險管理體系。監管部門與金融機構建立良好的溝通機制有助于實現監管制度創新，如瑞士銀行與新加坡金管局共同成立“設計思維及創新中心”，旨在推動電子身份認證、數據保護與大數據分析等領域的研究進展。

六、結論與政策啟示

本文基于140家商業銀行的樣本數據，實證檢驗了數字化轉型對商業銀行信用風險的影響效應，并進一步梳理分析國際同業先進經驗，得出如下結論與政策啟示。第一，商業銀行數字化轉型與信用風險水平存在先升后降的倒U型關系，在短期會產生“信用風險加劇”效應，但隨著轉型的深入，數字化轉型將通過銀行盈利能力這一機制，產生明顯的“信用風險優化”效應。第二，本文將數字化分解為戰略數字化、業務數字化和管理數字化轉型三個維度進行檢驗，結果表明：戰略數字化、管理數字化轉型對于商業銀行信用風險的短期影響不明顯，業務數字化轉型的“信用風險加劇”效應在短期較為明顯；從長期來看，戰略數字化、管理數字化、業務數字化轉型均會產生“信用風險優化”效應，而管理數字化轉型的相關效應最為明顯。第三，異質性檢驗還發現，相比于非國有銀行，國有銀行通過數字化轉型更有效地降低了信用風險水平，且數字化轉型對大規模商業銀行“信用風險優化”效應也更為明顯。

結合研究結論與國際先進經驗，本文就數字化轉型背景下如何加強商業銀行信用風險管理，提出以下政策啟示：第一，商業銀行應繼續加強頂層設計和統籌規劃，科學制定數字化轉型戰略尤其是管理數字化轉型戰略，并將其納入機構整體戰略規劃，確保風險管理與銀行整體戰略相匹配。第二，加大金融科技投入和人才培育。積極探索大數據、人工智能等數字技術在金融領域的應用，加大金融科技投入，充分發揮數字化轉型在防范和化解金融風險方面的重要作用。高度注重引進和培養金融、科技、數據復合型人才，特別是數據治理、架構設計、模型算法等專業領域的人才。第三，發揮有為政府作用。政府部門應為銀行提供政策支持和指導，明確數字化轉型的目標、路徑和方法，鼓勵銀行與金融科技公司合作，推動雙方合作共贏，共同推進數字化轉型。應對中小銀行的風險狀況予以重點關注，采取措施防范和化解數字化轉型發展對中小銀行可能產生的風險。妥善處理商業銀行數字化轉型中新興業務發展與防范化解金融風險的關系，完善風險監管制度。

參考文獻：

［1］顧海峰.銀保協作下商業銀行信用風險的傳導模型及機理研究——基于風險有限免疫制度環境[J].金融經濟學研究，2014，29（6）.

［2］桂荷發，鄧茹莎.商業銀行數字化轉型提升了中小企業信貸可得性嗎[J].江西財經大學學報，2024（1）.

［3］郭峰，莊旭東，王仁曾.銀行數字化轉型、外源性金融科技與信用風險治理——基于文本挖掘和機器學習的實證檢驗[J].證券市場導報，2023（4）.

［4］郭品，沈悅.互聯網金融對商業銀行風險承擔的影響：理論解讀與實證檢驗[J].財貿經濟，2015（10）.

［5］蔣海，唐紳峰，吳文洋.數字化轉型對商業銀行風險承擔的影響研究——理論邏輯與經驗證據[J].國際金融研究，2023（1）.

［6］蔣海，吳文洋.創新影響了銀行風險承擔嗎？——基于中國上市銀行的實證檢驗[J].國際金融研究，2020（3）.

［7］蔣海，王炳霖，吳文洋.媒體報道、監管壓力與銀行風險承擔［J］.南方金融，2023（6）.

［8］金洪飛，李弘基，劉音露.金融科技、銀行風險與市場擠出效應[J].財經研究，2020，46（5）.

［9］李向紅，陸岷峰.基于跨境電商場景下供應鏈金融中區塊鏈技術應用研究[J].金融理論與實踐，2023（6）.

［10］劉慧超，王書華.數字化轉型對中小銀行風險水平影響研究[J].江西財經大學學報，2023（4）.

［11］劉忠璐.互聯網金融對商業銀行風險承擔的影響研究[J].財貿經濟，2016（4）.

［12］陸岷峰.商業銀行數字化轉型風險類型、特征及治理體系[J].金融發展研究，2023（10）.

［13］羅煜，崔書言，曠純.數字化與商業銀行經營轉型——基于傳統業務結構變遷視角[J].國際金融研究，2022（5）.

［14］呂品，原毅軍，韓俊.農村商業銀行信用風險評價及經驗研究[J].財經問題研究，2014（4）.

［15］穆紅梅，鄭開焰.商業銀行數字化轉型的國際經驗與我國策略[J].亞太經濟，2021（1）.

［16］彭俞超，馬思超.非銀行金融科技與上市公司借貸成本——競爭壓力還是信息溢出？[J].金融研究，2022（12）.

［17］吳文洋，蔣海，唐紳峰.數字化轉型、網絡關聯性與銀行系統性風險[J].中國管理科學，2024，32（3）.

［18］項后軍，高鵬飛.銀行數字化轉型能緩解流動性囤積嗎[J].經濟學動態，2023（8）.

［19］謝絢麗，王詩卉.中國商業銀行數字化轉型：測度、進程及影響[J].經濟學（季刊），2022，22（6）.

［20］姚志剛，譚余夏，楊斌.銀行收入多樣化對銀行績效的影響效應——基于我國16家上市銀行的實證檢驗[J].宏觀經濟研究，2016（9）.

［21］于誠，黃綺凡.跨國銀行聯系與對外直接投資——基于國際銀團貸款的經驗證據［J］.世界經濟與政治論壇，2023（3）.

［22］翟勝寶，程妍婷，謝露.商業銀行數字化轉型與風險承擔水平[J].北京工商大學學報（社會科學版），2023，38（2）.

［23］張國勝，杜鵬飛.數字化轉型對我國企業技術創新的影響：增量還是提質？[J].經濟管理，2022，44（6）.

［24］趙家琪，江弘毅，胡詩云，等.數字普惠金融下的小微信貸與風險——基于銀行數字化轉型的視角[J].經濟學（季刊），2023，23（5）.

［25］王金明，王心培.跨境資本流動如何影響銀行風險承擔？[J].世界經濟研究，2022（10）.

［26］王詩卉，謝絢麗.知而后行？管理層認知與銀行數字化轉型[J].金融評論，2021，13（6）.

［27］王永進，匡霞，邵文波.信息化、企業柔性與產能利用率[J].世界經濟，2017，40（1）.

［28］BootA，HoffmannP，LaevenL，etal.Fintech：WhatsOld，WhatsNew？[J].JournalofFinancialStability，2021，53.

［29］DaiK.RiskofCreditAssessmentofChineseBankofCommerceBasedonKMWModelandItsEmpiricalResearch[C]//IOPConferenceSeries：MaterialsScienceandEngineering.IOPPublishing，2020，768.

［30］DasA，GhoshS.DeterminantsofCreditRiskinIndianStateOwnedBanks：AnEmpiricalInvestigation[R].MPRAPaper，2007，No.17301.

［31］DellAricciaG，MarquezR.InformationandBankCreditAllocation[J].JournalofFinancialEconomics，2004，72（1）.

［32］FeyenE，FrostJ，GambacortaL，etal.FintechandtheDigitalTransformationofFinancialServices：ImplicationsforMarketStructureandPublicPolicy[R].BISPapers，2021，No.117.

［33］LuJ，TongY.ResearchonCreditRiskofCommercialBanksBasedonMultipleLogisticModel[J].AcademicJournalofBusiness&Management，2021，3（6）.

［34］JakiM，MarinM.RelationshipBankingandInformationTechnology：TheRoleofArtificialIntelligenceandFintech[J].RiskManagement，2019，21.

［35］MendozaR，RiveraJ.TheEffectofCreditRiskandCapitalAdequacyontheProfitabilityofRuralBanksinthePhilippines[J].ScientificAnnalsofEconomicsandBusiness，2017，64（1）.

（責任編輯：李思慧）