數字金融發展、影子銀行消弭與系統性風險防范

［摘要］數字金融發展和系統性風險防范是金融學界和業界普遍關心的問題。研究使用雙重固定效應下的面板數據方法，采用中國上市商業銀行2011—2021年相關數據，對數字金融發展促進金融利率市場化、抑制影子銀行發展、穩定金融系統的功能進行了分析。研究的主要創新點在于，以信托產品收益率作為影子銀行強弱衡量指標，并以影子銀行發展強弱作為機制分析數字金融發展對系統性風險的影響。研究結果表明，數字金融發展使得中國上市商業銀行的系統性金融風險平均降低了0.242。機制分析表明，系統性風險降低的原因來源于商業銀行戰略數字化、業務數字化和管理數字化轉型，以及數字金融發展帶來的利率市場化，進而引發影子銀行的消弭，金融系統得以穩定，系統性金融風險降低。

［關鍵詞］數字金融；影子銀行；系統性金融風險

［中圖分類號］F49;F832［文獻標識碼］A［文章編號］1673-0461（2024）12-0087-10

一、引言

數字金融是推進中國特色金融事業發展的重要方面，防范和化解系統性風險是規范中國特色金融事業發展的主要內容。習近平總書記指出，“做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章”，“堅持把防控風險作為金融工作的永恒主題”，“要著力防范化解金融風險特別是系統性風險”［1-2］。從數字銀行到數字證券，從數字保險到數字信托，金融機構的數字化轉型有力推動了企業的業務創新，提升了金融機構服務實體經濟高質量發展的能力。但通過數字化手段，各金融機構增強聯系的同時是否會帶來風險傳遞速度的加快、金融體系的系統性風險變化？

近十年來，中國是世界上金融科技發展最為迅速的國家之一，金融科技的發展減輕了交易成本、促進了中國金融系統乃至經濟體系的轉型［3］。中國新興技術產業（互聯網和智能手機）快速發展，數字金融服務（網上銀行和手機銀行等）也日益流行［4］。中國互聯網絡中心發布的第53次《中國互聯網絡發展狀況統計報告》顯示，截至2023年12月，中國網民規模達10.92億人，互聯網普及率達77.5%。其中，網絡支付用戶規模達9.54億人，占網民整體的87.4%①?；ヂ摼W普及率上升和網民規模的擴大帶來銀行業電子支付規模不斷擴充。中國人民銀行的統計數據顯示，中國銀行業非現金支付業務金額從2013年第一季度的371.5萬億元擴充到2023年第一季度的1277.5萬億元②，十年擴展了將近3.4倍，數字金融產業在中國蓬勃發展。

學術界對數字金融發展給予了廣泛關注。相關研究主要圍繞北京大學發布的數字普惠金融指數展開，學者們對數字金融發展與實體經濟關系、數字金融與創新創業、數字金融與城鄉發展關系等進行了廣泛研究。在此基礎上，謝絢麗和王詩卉（2022）［5］開發了中國商業銀行數字化轉型指數，本文使用數字金融指數的主體部分也來源于此。對于金融系統性風險，學術界對于其形成原因、影響因素和衡量方法等進行了一系列研究，本文參考ADRIAN和BRUNNERMEIER（2016）［6］提出的條件在險價值之差來構建中國上市商業銀行的系統性風險。影子銀行自2008年全球金融危機爆發以來成為學術界關注的熱點，本文參考ALLEN等（2023）［3］研究使用信托產品預期收益率作為影子銀行發展強弱指標。

本文使用中國上市商業銀行作為研究對象，采用雙重固定效應下的面板數據方法，分析數字金融發展對商業銀行系統性風險的影響。同時，本文使用第三方互聯網支付數額的季度值占全年值的比例，對中國商業銀行數字化轉型指數進行加權平均，得到數字金融發展程度的衡量指標。并且，使用分位數回歸的方法來測量商業銀行的系統性風險，主要使用上市商業銀行的股價數據、上海銀行間隔夜拆借利率、國債綜合指數、人民幣兌美元匯率指數、申萬行業房地產指數和滬深300銀行指數等月度數據計算出系統性風險的月度指標，然后進行加總得到商業銀行系統性風險的季度性指標。根據商業銀行和信托公司的控股關系與歸屬地關系，本文構建了商業銀行與信托公司的對照關聯網絡，并對信托公司信托產品的預期收益率進行了季度平均，以此獲得影子銀行發展強弱的季度性指標。

本文的主要創新點在于，使用影子銀行發展強弱作為機制分析數字金融發展對系統性風險的影響。數字金融發展涉及金融機構的數字化和數字產業的金融化，金融機構數字化轉型的文獻分析了數字化轉型可能帶來的系統性風險變化。風險變化的原因可能來源于金融機構數字化轉型帶來的金融關聯網絡變化，本文創新性地將商業銀行與信托公司進行匹配，借以分析以商業銀行為代表的數字金融產業發展對促進利率市場化、抑制影子銀行發展的作用，進而深刻分析數字金融發展促進金融系統穩定、抑制金融系統性風險的功能。

二、文獻綜述

數字金融與互聯網金融和金融科技概念一脈相承。數字金融是金融機構或者技術公司采用數字技術進行金融服務的新型金融模式［7］。學術界對數字金融的研究主要圍繞數字普惠金融展開［8］。北京大學數字金融研究中心聯合學術界和業界合作開發了數字普惠金融指數，該指數為學術界研究中國數字金融的發展和影響提供了數據支撐，圍繞該指數的應用產出了一批高質量的研究成果。例如，數字金融發展與經濟增長的關系［9］；數字金融是否影響創新創業［10］；數字金融與農村貧困的關系［11］。

除了對數字普惠金融的關注，也有學者對數字金融與傳統金融的關系進行了研究。金融科技和傳統金融服務是互補關系而不是替代關系［12］。李向前和賀卓異（2021）［13］分析了金融科技對傳統商業銀行的影響，金融科技的應用對商業銀行有“風險管理效應”和“轉型效應”。YAO和SONG（2023）［14］分析認為在金融科技時代，大型國有商業銀行與中小型銀行相比，在規模、資金和經驗方面具有優勢。熊健等（2021）［15］認為，金融科技對商業銀行的經營績效影響呈現先抑制后促進的非線性關系。在信貸風險方面，CHENG和QU（2020）［16］分析認為，銀行金融科技的發展顯著降低了信貸風險。郭麗虹和朱柯達（2021）［17］也認為，金融科技能夠降低銀行發放普惠貸款的風險，可以有效提升銀行發放貸款意愿。

數字金融影響微觀銀行的績效和風險，也對宏觀貨幣傳導機制和金融系統性風險產生新影響。黃益平（2021）［18］從宏觀角度分析認為，在數字金融發展過程中，數字技術的采用可以使得金融服務成本降低的同時控制風險。戰明華等（2020）［19］對數字金融影響貨幣政策效果進行了理論和實證評估，數字金融的發展減小了金融摩擦，從整體上提升了貨幣政策的實施效果。但李優樹和張敏（2020）［20］分析認為數字普惠金融的發展會抑制系統性金融風險。

系統性風險通常被認為是可以感知但難以定義的風險［21］。對于系統性風險的分析主要圍繞系統性風險的衡量、影響、驅動因素和監管、防控以及系統性風險與宏觀實體經濟互動關系而展開。數字金融對系統性風險的影響分析成為近年來學者的研究熱點，但對于數字金融引發系統性風險下降還是積聚上升，學術界并沒有一致定論。吳成頌等（2019）［22］分析認為互聯網金融影響商業銀行的信貸風險和流動性風險，使得系統性風險提高。梁洪等（2023）［23］從貨幣傳導渠道分析認為數字金融發展可能加劇系統性金融風險。李晨和丁鑫（2021）［24］分析認為數字金融發展能夠緩解地方政府債務壓力，進而降低系統性風險。余靜文和吳濱陽（2021）［25］從風險管理理論的角度分析認為數字金融發展有助于銀行系統性風險的收斂。

數字金融的發展會帶來利率市場化，互聯網使得各地區金融資源得以互聯互通，影子銀行體系在數字金融革命沖擊下進一步規范化和正規化。影子銀行是與商業銀行相平行的金融體系，信托公司是中國影子銀行體系的風險源之一［26］。李向前等（2013）［27］分析認為影子銀行系統的發展會降低中國金融系統的穩定性。林琳等（2016）［28］也發現影子銀行體系會集聚金融風險。對于影子銀行產生的風險化解，戴國強和方鵬飛（2014）［29］分析認為需要重視影子銀行和互聯網金融發展對銀行業的沖擊，胡利琴等（2016）［30］提出要進一步完善利率市場化機制，構建對影子銀行的全面監測平臺，從根本上對影子銀行資金運作機制進行規范。

總的來說，學術界近年來從微觀和宏觀等多角度對數字金融進行了廣泛研究，對數字金融和系統性風險之間的關系也進行了有益探索，但依然存在以下可能需要完善的方面。一是對數字金融和傳統金融間的關系研究還不夠深入，數字金融對傳統金融體系產生何種影響？是否會引發金融體系系統性變革？二是數字金融對傳統金融機構的影響分析還不夠充分，數字金融與傳統金融機構是互補還是替代？傳統金融機構面對數字金融該呈現何種姿態，是擁抱還是排斥？金融機構面臨數字化轉型浪潮該如何選擇？三是對傳統金融機構數字化轉型的深遠和廣泛影響分析尚不充分。對于數字金融發展影響系統性風險變化的分析還停留在商業銀行自身，對商業銀行數字化轉型引發外部環境變化，進而影響系統性風險的分析還不足。商業銀行數字化轉型可能會帶來正規銀行借貸關系和影子銀行借貸關系變化，進而引發金融體系系統性變革。

三、數字金融與系統性風險的理論與假說

（一）金融關聯與系統性風險

ACEMOGLU等（2015）［31］使用金融關聯理論模型分析了金融市場網絡對金融穩定性的影響。在金融體系中，不同機構通過無擔保債務合同相互聯系，當交易對手出現風險時，金融穩定性會受到沖擊。但穩定性受到沖擊大小和網絡關系結構的影響，如果沖擊的負面程度比較小，更加密集的金融網絡穩定性會得到增強。如果沖擊超過一定程度，金融機構密集的聯系會成為沖擊傳播的機制，導致金融系統更加脆弱。

數字金融發展會通過金融關聯網絡影響系統性金融風險。李政等（2019）［32］對中國上市金融機構的關聯網絡進行了分析，自2012年以來，中國金融機構關聯程度上升引發的系統性風險在不斷聚集。蔣海和張錦意（2018）［33］使用上市銀行的股票交易數據，分析了銀行業網絡的動態關聯性，該關聯性與系統性風險呈現顯著正相關關系。梁洪（2024）［34］使用TVPVARSV模型進一步分析認為，數字金融發展會影響傳統金融網絡的結構和密度，進而影響傳統金融市場的總溢出效應。

根據金融關聯網絡理論，本文提出研究假設一：金融機構相互關聯會產生系統性風險，數字金融發展會影響銀行系統性風險。

（二）影子銀行與系統性風險

中國的信托行業與商業銀行保持著較為緊密的聯系。1979年10月，中國國際信托投資公司成立，該公司成立的目的是補充銀行信貸融資。如圖1，信托行業銀信合作余額規模伴隨信托行業發展不斷上升，從2010年的1.89萬億元上升到2020年的6.46萬億元，2019年達到峰值8.19萬億元。從銀信合作余額占比來看，占比從2010年的64%下降到2020年的30%，占比雖然下降，但銀信合作仍然是信托行業資金來源和運用的主要方式。

圖1中國信托行業銀信合作規模示意

數據來源：筆者根據國泰安數據庫數據自制。

自2000年以來，中國信托行業發展大體經過三個階段。第一個階段是2000—2007年，信托行業起步期，規則初立。截至2007年末，信托行業資產總額9357.93億元③。第二個階段是2008—2017年，信托行業開拓期，黃金十年。信托業資產規模不斷擴大，從2010年的3.04萬億元擴大到2017年的26.24萬億元④，一度成為中國資產管理規模第二大的金融行業。第三個階段是2018年至今，信托行業轉型期，回歸本源。2018年4月，中國人民銀行等四部門聯合發布了《關于規范金融機構資產管理業務的指導意見》（銀發〔2018〕106號）（簡稱“資管新規”），對信托機構剛性兌付、資金池業務等進行了規范。2023年3月，原中國銀保監會發布了《關于規范信托公司信托業務分類的通知》（銀保監規〔2023〕1號），將信托業務整體劃分為資產管理信托、資產服務信托和公益慈善信托三類，由此拉開了信托行業新一輪轉型發展的序幕。

信托行業與中國的影子銀行體系密切關聯。方意等（2019）［35］使用信托行業的微觀業務數據構建了影子銀行的系統性風險。宋鷺等（2022）［36］使用信托產品的資金投向指標測算了影子銀行的系統性風險，并分析了系統性風險的傳播路徑。ALLEN等（2023）［3］從理論和實證分析角度，使用信托產品預期收益率來分析影子銀行的隱性擔保問題，信托公司規模、控股股東類型，以及產品是否由國有銀行銷售，都會影響隱性擔保的強度，也會影響系統性風險積累。

根據中國銀信合作現狀和影子銀行系統性風險理論，本文提出研究假設二：數字金融發展通過抑制影子銀行的發展，使得銀行業系統性風險降低。商業銀行與非銀行存貸款機構存在緊密關聯，商業銀行數字化轉型使得存貸款利率更加透明化，進而影響資本市場的正規化。

四、研究設計

（一）模型設定

本文使用雙重固定效應下的面板數據模型估計數字金融發展對系統性風險的影響，模型設定如下：

ΔCoVARit=βiTechFinit+Xit+αi+λt+εit（1）

式中，ΔCoVARit表示i銀行t時間的系統性風險，使用條件在險價值（ConditionalValueatRisk，CoVAR）之差來衡量。TechFinit表示i銀行t時間的數字化轉型指數。Xit是系列控制變量，包括銀行的資產負債率、資本保值增值率和每股收益。αi是銀行個體固定效應。λt為時間固定效應。εit是隨機擾動項。

（二）指標構建

1.數據描述性統計

對于本文核心解釋變量，數字金融指標主要來源于謝絢麗和王詩卉（2022）［5］構建的中國商業銀行數字化轉型指數，該指數包含了戰略數字化、業務數字化和管理數字化分指數，以及數字化轉型總指數。對于本文核心被解釋變量，系統性風險指標來源于筆者自算。對于本文使用的控制變量，商業銀行的資產負債率、資本保值增值率和每股收益，主要來源于國泰安數據庫。對于本文使用的影子銀行代理變量，信托產品收益率由作者根據國泰安數據庫中的信托產品預期收益率測算而來。

本文使用的主要數據描述性統計如表1，對于系統性風險、數字金融和影子銀行指標的具體計算方法可參考下文。

2.數字金融指標構建

數字金融指數指標主體是謝絢麗和王詩卉（2022）［5］構建的中國商業銀行數字化轉型指數，該指數從商業銀行的戰略數字化、業務數字化和管理數字化等方面評估了中國商業銀行數字化轉型情況，然后采用主成分分析法合成商業銀行數字化轉型總指數。其中，戰略數字化反映了銀行年報文本對數字技術的關注程度；業務數字化反映了銀行數字化渠道、產品和研發的數字技術使用程度；管理數字化反映了銀行組織構架、人才和合作儲備情況。

除了使用商業銀行數字化轉型指數，為了匹配系統性風險季度性指標，本文使用Wind數據庫中第三方互聯網支付數據對商業銀行數字化轉型指數進行了季度調節。第三方互聯網支付數據與學界普遍使用的數字普惠金融指數之間的相關性較高［19］，根據各季度第三方互聯網支付數額占全年數額的比例調節年度商業銀行數字化轉型指數，由此形成季度數字金融指數。該數字金融指數既可以反映商業銀行數字化轉型程度，也可以反映金融市場整體的數字化程度。

3.系統性風險指標構建

系統性風險是可以感知但難以定義的風險。對系統性風險的測度有在險價值指標（ValueatRisk）、預期損失指標、金融關聯網絡指標和主成分分析法下的綜合風險指數等，本文使用ADRIAN和BRUNNERMEIER（2016）［6］提出的條件在險價值之

差（△CoVAR）來度量系統性風險，該指標指機構正常運行和受到極端沖擊情況下系統在險價值的差值。具體來說，本文參考CHU等（2010）［37］使用分位數回歸的方法來測量商業銀行的系統性風險。

第一步，對商業銀行個體的收益與市場整體收益進行回歸：

Rmt=αs，i+βs，iRit+∑kγkMk，t-1+εit（2）

式中，Rit是月度銀行股票收益率，Rmt是月度滬深300收益率。Mk，t-1表示其他市場收益率，包括貨幣市場、債券市場、外匯市場、房地產市場和銀行市場，分別用上海銀行間隔夜拆借利率、國債綜合指數、人民幣兌美元匯率指數、申萬行業房地產指數和滬深300銀行指數衡量。數據來源于國泰安數據庫、Wind數據庫和同花順iFind數據庫。

第二步，根據上式計算的系數求解不同分位數下的CoVAR：

CoVARqit=α^qs，i+β^qs，iVARqit+∑kγ^kMVARqk，t-1（3）

式中，VARqit表示q狀態下i銀行股價波動率，MVARqk，t-1表示其他市場收益波動率。q表示不同狀態的沖擊，本文參考MA等（2021）［38］，q=5%表示正常狀態，q=95%表示危機狀態。

第三步，根據不同分位數下的CoVAR計算ΔCoVAR：

ΔCoVARit=-（CoVAR95%it-CoVAR5%it）（4）

4.影子銀行指標構建

影子銀行指除傳統銀行體系外的信貸中介［3］，信托公司是除銀行外具有正規信貸功能的持牌金融機構。本文使用信托產品收益率作為影子銀行發展強弱的代理變量。首先，使用同花順iFind數據庫收集了信托公司與商業銀行的對應關系表，當一家銀行與一家信托公司為同一控股股東時，本文認為這家信托公司和這家商業銀行具有對應關系。例如，平安銀行與平安信托，第一大股東都為中國平安保險（集團）有限公司，本文認定平安銀行與平安信托具有對應關系。當商業銀行所在集團體系并無信托公司時，本文以商業銀行和信托公司的注冊地為衡量標準判斷商業銀行與哪些信托公司具有貨幣市場對應關系。例如，寧波銀行集團體系并沒有信托公司，本文認定注冊地同在寧波的昆侖信托與其具有對應關系。其次，本文從國泰安數據庫獲取了信托產品數據表，使用信托公司發行的信托產品收益率求季度平均得到平均收益率，以此衡量商業銀行對應的影子銀行發展強弱。

五、實證結果

（一）基本結果

基于公式（1），在控制個體固定效應和時間固定效應基礎上，表2報告了2011—2021年數字金融發展對商業銀行系統性風險影響的基本回歸結果。在表2中的模型（1），在控制銀行個體固定效應和時間固定效應的情況下，數字金融發展顯著降低了銀行系統性風險，在1%顯著性水平顯著。在模型（2），加入聚類標準誤，顯著性有所降低，但依然在10%顯著性水平顯著。在模型（3），加入可能同時影響到數字金融和系統性風險的控制變量，數字金融發展使得商業銀行系統性風險下降了0.242，在5%顯著性水平顯著。

（二）穩健性檢驗

基于公式（1），在控制個體固定效應和時間固定效應基礎上，表3報告了2011—2021年數字金融發展對商業銀行系統性風險影響的穩健性檢驗結果。在表3中的模型（1），使用替換極端值的方式，對系統性風險數據進行縮尾處理。結果顯示，數字金融發展顯著降低了商業銀行的系統性風險，在5%顯著性水平顯著。前文在基礎回歸中，本文使用季度數字化轉型指數衡量數字金融發展程度，在模型（2），替換使用年度數字金融指標進行回歸。結果顯示，數字金融發展對系統性風險影響的數值略有下降，但依然在5%顯著性水平顯著。在模型（3），考慮到銀行性質差異可能對系統性風險產生影響，本文將銀行分為國有商業銀行、股份制商業銀行和城市商業銀行，并在回歸方程中控制銀行類型變量。結果顯示，數字金融發展對銀行系統性風險的影響依然在5%顯著性水平顯著。

（三）機制分析

1.數字金融發展與影子銀行消弭

前文分析，數字金融發展使得商業銀行系統性風險降低。風險降低的重要原因是數字金融發展使得銀行借貸體系更加科學化和市場化，大數據風控平臺建設、網絡銀行和手機銀行更新換代，商業銀行借貸體系趨于科學化和市場化的同時會擠壓影子銀行的發展空間。本文使用與商業銀行密切關聯的信托公司的信托產品收益率分析數字金融發展對影子銀行的影響。

基于公式（1），在控制個體固定效應和時間固定效應基礎上，表4報告了2011—2021年數字金融發展對信托公司影子銀行收益率的影響。第（1）列分析數字化總指數對信托產品收益率的影響，第（2）列分析商業銀行戰略數字化的影響，第（3）列是商業銀行業務數字化影響，第（4）列是商業銀行管理數字化的影響?？傮w來說，數字金融發展使得信托產品收益率下降，數字化總指數提升使得信托產品預期收益率下降了0.058，在5%顯著性水平顯著。分指數來看，戰略數字化、業務數字化和管理數字化都可能帶來信托產品收益率的下降，戰略數字化和管理數字化不太顯著，信托產品收益率的下降主要來源于商業銀行的業務數字化轉型。

2.商業銀行數字化轉型與系統性風險

商業銀行系統性風險降低的原因一部分來源于與之相關的影子銀行的消弭，一部分可能來源于商業銀行自身數字化轉型帶來的企業整體高質量發展，系統性風LmccRl1n3WEoZZlWgpz5pLnf69caUvBy8rNgzhVkeVg=險降低。本文將商業銀行的數字化轉型分為戰略數字化、業務數字化和管理數字化三個部分，分析不同板塊的數字化轉型對系統性風險的影響。

基于公式（1），在控制個體固定效應和時間固定效應基礎上，表5報告了2011—2021年商業銀行不同類別的數字化轉型對系統性風險的影響。商業銀行不同板塊的數字化轉型都會帶來系統性風險的降低。戰略數字化轉型使得系統性風險降低了0.304，在1%顯著性水平顯著。業務數字化轉型使得系統性風險降低了0.076。管理數字化轉型使得系統性風險降低了0.049，在10%顯著性水平顯著。商業銀行的數字化轉型使得銀行的系統性風險顯著降低，金融服務實體經濟健康高質量發展的競爭力顯著增強。

3.商業銀行異質性與系統性風險

不同性質的商業銀行具有不同的經營管理模式和風險容忍程度，不同類型的商業銀行數字化轉型程度也不盡相同，數字金融發展對其系統性風險的影響也可能不同。本文根據商業銀行性質差異將其分為三類：國有商業銀行，包括中國工商銀行、中國銀行等5家銀行；城市商業銀行，包括寧波銀行、南京銀行等3家；股份制商業銀行，包括民生銀行、興業銀行等8家銀行。

基于公式（1），在控制個體固定效應和時間固定效應基礎上，表6報告了2011—2021年不同性質商業銀行的數字化轉型對系統性風險的差異化影響。不同性質商業銀行的數字化轉型都會帶來系統性風險的降低。國有商業銀行的數字化轉型使得系統性風險降低了0.519，但不顯著。城市商業銀行的數字化轉型使得系統性風險降低了0.172，也不顯著。股份制商業銀行的數字化轉型使得系統性風險降低了0.435，在5%顯著性水平顯著。商業銀行整體的系統性風險降低可能主要來源于股份制商業銀行的數字化轉型和數字金融業務投入，這也與股份制商業銀行具有靈活多變的業務模式和更加市場化的運營模式有關。

六、進一步分析

前文分析，數字金融發展有效緩解了商業銀行的系統性風險，系統性風險緩解的原因是數字金融發展使得利率更加市場化和透明化，影子銀行發展空間壓縮。接下來，本文利用2018年“資管新規”的出臺作為政策沖擊，使用雙重差分方法進一步分析影子銀行消弭對系統性風險的影響。

“資管新規”從資產管理業務內容和監管原則等方面對中國資產管理業務進行了規范，要求金融機構打破剛性兌付、清理資金池業務，以及進行凈值化轉型。2018年“資管新規”的出臺統一了同類資產管理產品的監管標準，規范了各類金融機構資產管理業務，體現了“堅決打好防范化解重大風險攻堅戰”的決策部署，堅持了嚴控風險的底線思維，有力促進了中國資產管理業務的透明化和市場化，有力促進了中國影子銀行體系的規范化治理和透明化轉型。

“資管新規”適用于全國的金融機構，自發布之日起“一刀切”式施行，研究對象并沒有明確的處理組和控制組。參考彭俞超等（2023）［39］的研究，本文使用連續型雙重差分方法分析“資管新規”出臺對銀行系統性風險的影響。本文將2018年第二季度設定為政策實施節點，在此之前的時間為未受到政策影響時間，在此之后的時間為受到政策影響時間。本文使用與商業銀行相對應的信托產品收益率作為衡量銀行受“資管新規”影響大小的程度變量，也就是說，在2018年第二季度以前，與商業銀行相對應的信托產品收益率越大，受到“資管新規”影響就越大，系統性風險也就下降得越多。本文使用的連續型雙重差分模型設定如下：

ΔCoVARit=μiTreati×Postt+Xit+αi+λt+εit（5）

式中，Treati表示i銀行在受到政策影響前（2018年第一季度）相對應的信托產品收益率。Postt表示2018年第二季度以前或以后時間段，2018年第二季度以前取值為0，2018年第二季度及以后取值為1。Xit是相關控制變量。αi是銀行個體固定效應。λt為時間固定效應。εit是隨機擾動項。

基于公式（5），在控制個體固定效應和時間固定效應基礎上，表7報告了2011—2021年“資管新規”出臺對商業銀行系統性風險的影響。在表7中的模型（1），在控制銀行個體固定效應和時間固定效應的情況下，“資管新規”的出臺顯著降低了商業銀行的系統性風險，在5%顯著性水平顯著。在模型（2），加入聚類標準誤，顯著性有所降低，但依然在10%顯著性水平顯著。在模型（3），加入控制變量，數字金融發展使得商業銀行的系統性風險下降了0.143，在10%顯著性水平顯著。

雙重差分方法使用條件之一是需要滿足平行趨勢假定，實施“資管新規”并沒有明確的處理組和控制組，本文參考NUNN和QIAN（2011）［40］，構建了事件研究法模型進行平行趨勢檢驗，模型設定如下：

ΔCoVARie=∑14e=0μeTreat201801×Evente+Xie+αi+λe+εie（6）

式中，Treat201801表示2018年第一季度商業銀行相對應信托公司的信托產品平均預期收益率，表示可能受到“資管新規”規范的影響程度。Evente表示時間虛擬變量，e表示相對于2018年第二季度的時間點，e=1則表示2018年第三季度?！百Y管新規”2018年4月份出臺，相當于2018年第二季度開始實施?！百Y管新規”同時規定，各機構要對不符合新規要求的部分進行整改，整改過渡期到2020年底。在2020年7月31日，經國務院同意，中國人民銀行會同相關部門審慎研究決定，“資管新規”過渡期延長至2021年底。“資管新規”是通過過渡期的形式漸次實施的，尤其是延長過渡期使得新規的實施并沒有完全的“一刀切”，對于各金融機構的業務影響也是逐步深入的?；诠剑?），在控制個體固定效應和時間固定效應、聚類在銀行個體基礎上，圖2展示了“資管新規”出臺對商業銀行系統性風險影響的時間變化趨勢。“資管新規”對商業銀行系統性風險的影響也是逐步深入的，在2021年才開始完全顯現，對2018年第二季度以前受到影子銀行風險影響更大的商業銀行影響更深，其系統性風險下降得更多。

“資管新規”的實施規范了各金融機構的資產管理業務，有力打擊了金融行業風險亂象，有效收斂了影子銀行產生的系統性風險。本文的分析為“資管新規”實施產生的風險收斂作用提供了實證證據。數字金融發展有效提升利率市場化程度，降低影子銀行帶來的風險集聚，從而也將使商業銀行的系統性風險顯著下降。

七、結論與政策建議

本文使用中國上市商業銀行數字化轉型、系統性風險，以及信托公司信托收益率等數據，采用雙重固定效應下的面板數據方法，對數字金融發展與商業銀行系統性風險間的關系進行了實證分析。研究結果表明，數字金融發展使得商業銀行系統性風險降低了0.242，在5%顯著性水平顯著。系統性風險降低的原因在于商業銀行內外兼修進行的數字化轉型，“外修”指的是數字金融發展使得與商業銀行密切相關的信托行業的信托產品收益率下降，影子銀行消弭。數字金融發展使得信托產品預期收益率下降了0.058，在5%顯著性水平顯著?！皟刃蕖敝傅氖巧虡I銀行自身在戰略數字化、業務數字化，以及管理數字化轉型方面的進步，尤其是商業銀行業務數字化轉型顯著推動了銀行的高質量發展，系統性風險降低。防范化解系統性風險不僅僅需要金融機構自身的健康發展，還需要金融監管部門的有效監管、全面監管和持續監管。

本文的研究豐富了數字金融發展對金融體系影響的相關文獻，也對系統性風險防范提供了思路。同時提出以下政策建議：

第一，各金融機構要貫徹落實中央金融工作會議要求，認真做好“科技金融”“數字金融”等五篇大文章。數字金融不單單指數字產業的金融化，還應該包括金融機構的數字化轉型，這也與科技金融密切相關。商業銀行是中國特色數字金融和科技金融的實踐主體，如何在戰略數字化、業務數字化和管理數字化上做實做細，在控制風險的情況下實現數字金融業務創新，成為各金融機構必須深刻思考的問題。

第二，數字金融作為金融行業發展新業態，其發展會出現新問題和新風險。金融監管部門要堅持完善風險防范和化解機制，要逐步建立起與數字金融發展相適應的風險防控機制，防范數字金融引發風險的跨行業、跨區域、跨市場傳遞，守住不發生系統性風險的底線。尤其是對于影子銀行引發的系統性風險防范，更是要擺在監管任務的重點位置，監管部門要積極引導信托公司等非銀行借貸機構業務轉型，有效壓縮影子銀行規模，有效監管金融機構高質量健康發展。

第三，面臨數字金融發展機遇和影子銀行系統性風險防控窗口期，信托公司要積極擁抱數字化轉型，從業務、管理、風控等多角度轉型升級。尤其是在2023年3月，信托三分類通知為信托行業業務轉型升級提供了框架和指引，信托公司要按照監管指引，正確處理好業務創新與風險防控的關系，正確處理好數字化轉型與傳統金融發展的關系，先立后破，實現業務創新與高質量發展協同推進。

本文從影子銀行消弭角度對數字金融影響系統性風險傳導機制進行了分析。但對于數字金融影響系統性風險的其他渠道分析較少，比如數字金融發展影響貨幣政策傳導機制，數字金融發展影響金融網絡機制等。而且，對于影子銀行的衡量，本文使用信托公司作為代表進行分析，對于其他形式的影子銀行分析較少，比如消費貸款公司、民間借貸等，這些都可以成為未來的研究方向。

［注釋］

①

數據來源：中國互聯網絡信息中心，網址為https：//www.cnnic.net.cn/n4/2024/0322/c88-10964.html。

②數據來源：中國人民銀行官方網站，網址為http：//www.pbc.gov.cn/eportal/fileDir/image_public/UserFiles/goutongjiaoliu/upload/File/2013.pdf。http：//www.pbc.gov.cn/goutongjiaoliu/113456/113469/4966699/2023062015333976801.pdf。

③數據來源：《2007年度中國信托公司信息披露分析報告》之“第五章信托資產報表的分析”，載陳玉鵬《中國信托業年鑒》，70～76頁，上海人民出版社。

④數據來源：銳思數據庫，行業統計，金融服務業。

［參考文獻］

［1］中央金融工作會議在北京舉行［N］.人民日報，2023-11-01（01）.

［2］習近平在省部級主要領導干部推動金融高質量發展專題研討班開班式上發表重要講話強調堅定不移走中國特色金融發展之路推動我國金融高質量發展［N］.人民日報，2024-01-17（01）.

［3］ALLENF，GUX，LICW，etal.Implicitguaranteesandtheriseofshadowbanking：thecaseoftrustproducts［J］.Journaloffinancialeconomics，2023，149（2）：115-141.

［4］齊紅倩，李志創.中國普惠金融發展水平測度與評價——基于不同目標群體的微觀實證研究［J］.數量經濟技術經濟研究，2019，36（5）：101-117.

［5］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）：1937-1956.

［6］ADRIANT，?;BRUNNERMEIERMK.CoVaR［J］.Americaneconomicreview，2016，106（7）：1705.

［7］黃益平，黃卓.中國的數字金融發展：現在與未來［J］.經濟學（季刊），2018，17（4）：1489-1502.

［8］HUAX，HUANGY.UnderstandingChina’sfintechsector：development，impactsandrisks［J］.Europeanjournaloffinance，2021，27（4/5）：321-333.

［9］錢海章，陶云清，曹松威，等.中國數字金融發展與經濟增長的理論與實證［J］.數量經濟技術經濟研究，2020，37（6）：26-46.

［10］謝絢麗，沈艷，張皓星，等.數字金融能促進創業嗎？——來自中國的證據［J］.經濟學（季刊），2018，17（4）：1557-1580.

［11］張棟浩，尹志超.金融普惠、風險應對與農村家庭貧困脆弱性［J］.中國農村經濟，2018（4）：54-73.

［12］ERELI，LIEBERSOHNJ.Canfintechreducedisparitiesinaccesstofinance？Evidencefromthepaycheckprotectionprogram［J］.Journaloffinancialeconomics，2022，146（1）：90-118.

［13］李向前，賀卓異.金融科技發展對商業銀行影響研究［J］.現代經濟探討，2021（2）：50-57.

［14］YAOT，SONGL.FintechandtheeconomiccapitalofChineseCommercialBank’srisk：basedontheoryandevidence［J］.Internationaljournaloffinance&economics，2023，28（2）：2109-2123.

［15］熊健，張曄，董曉林.金融科技對商業銀行經營績效的影響：擠出效應還是技術溢出效應？［J］.經濟評論，2021（3）：89-104.

［16］CHENGM，QUY.Doesbankfintechreducecreditrisk？EvidencefromChina［J］.Pacificbasinfinancejournal，2020，63：101398.

［17］郭麗虹，朱柯達.金融科技、銀行風險與經營業績——基于普惠金融的視角［J］.國際金融研究，2021（7）：56-65.

［18］黃益平.關于中國數字金融創新與發展的幾個觀點［J］.金融論壇，2021，26（11）：3-5，36.

［19］戰明華，湯顏菲，李帥.數字金融發展、渠道效應差異和貨幣政策傳導效果［J］.經濟研究，2020，55（6）：22-38.

［20］李優樹，張敏.數字普惠金融發展對系統性金融風險的影響研究［J］.中國特色社會主義研究，2020（Z1）：26-34.

［21］楊子暉，陳雨恬，林師涵.系統性金融風險文獻綜述：現狀、發展與展望［J］.金融研究，2022（1）：185-206.

［22］吳成頌，王超，倪清.互聯網金融對商業銀行系統性風險的影響——基于滬深股市上市商業銀行的證據［J］.當代經濟管理，2019，41（2）：90-97.

［23］梁洪，李樹，王雨.數字金融、貨幣政策與系統性金融風險——基于TVPVARSV模型的實證研究［J］.統計研究，2023，40（11）：68-79.

［24］李晨，丁鑫.數字金融發展緩解了區域系統性金融風險么？——來自中國31個省份的經驗證據［J］.區域金融研究，2021（12）：36-42.

［25］余靜文，吳濱陽.數字金融與商業銀行風險承擔——基于中國商業銀行的實證研究［J］.產經評論，2021，12（4）：108-128.

［26］李建軍，薛瑩.中國影子銀行部門系統性風險的形成、影響與應對［J］.數量經濟技術經濟研究，2014，31（8）：117-130.

［27］李向前，諸葛瑞英，黃盼盼.影子銀行系統對我國貨幣政策和金融穩定的影響［J］.經濟學動態，2013（5）：81-87.

［28］林琳，曹勇，肖寒.中國式影子銀行下的金融系統脆弱性［J］.經濟學（季刊），2016，15（3）：1113-1136.

［29］戴國強，方鵬飛.利率市場化與銀行風險——基于影子銀行與互聯網金融視角的研究［J］.金融論壇，2014，19（8）：13-19，74.

［30］胡利琴，陳銳，班若愚.貨幣政策、影子銀行發展與風險承擔渠道的非對稱效應分析［J］.金融研究，2016（2）：154-162.

［31］ACEMOGLUD，OZDAGLARA，TAHBAZSALEHIA.Systemicriskandstabilityinfinancialnetworks［J］.Americaneconomicreview，2015，105（2）：564-608.

［32］李政，劉淇，梁琪.基于經濟金融關聯網絡的中國系統性風險防范研究［J］.統計研究，2019，36（2）：23-37.

［33］蔣海，張錦意.商業銀行尾部風險網絡關聯性與系統性風險——基于中國上市銀行的實證檢驗［J］.財貿經濟，2018，39（8）：50-65.

［34］梁洪.數字金融、金融監管與傳統金融跨市場風險溢出［J］.當代經濟管理，2024，46（8）：73-96.

［35］方意，韓業，荊中博.影子銀行系統性風險度量研究——基于中國信托公司逐筆業務的數據視角［J］.國際金融研究，2019（1）：57-66.

［36］宋鷺，趙瑩瑜，方意.影子銀行、信托資金行業投向與系統性風險［J］.國際金融研究，2022（6）：64-74.

［37］CHUY，DENGS，XIAC.Bankgeographicdiversificationandsystemicrisk［J］.Reviewoffinancialstudies，2020，33（10）：4811-4838.

［38］MAY，ZHANGY，JIQ.DooilshocksaffectChineseBankrisk？［J］.Energyeconomics，2021，96：105166.

［39］彭俞超，馬思超，王南萱，等.影子銀行監管與銀行風險防范［J］.經濟研究，2023，58（8）：83-99.

［40］NUNNN，QIANN.Thepotato’scontributiontopopulationandurbanization：evidencefromahistoricalexperiment［J］.Quarterlyjournalofeconomics，2011，126（2）：593-650.

DevelopmentofDigitalFinance，EliminationofShadowBanking，

andPreventionofSystemicRisks

TianYe1，2，HuWentao3

（1.PostdoctoralResearchWorkstation，SuzhouInternationalDevelopmentGroupCo.，Ltd.，Suzhou215000，China;

2.SchoolofFinanceandEconomics，RenminUniversityofChina，Beijing100872，China;

3.SchoolofFinance，HenanUniversityofEconomicsandLaw，Zhengzhou450046，China）

Abstract：Thedevelopmentofdigitalfinanceandthepreventionofsystemicrisksareissuesofwidespreadconcerninbothacademicandindustrialfinancecircles.Thispaperemploysapaneldatamethodunderadualfixedeffectsframework，utilizingdatafromChina’slistedcommercialbanksspanningfrom2011to2021，toanalyzethefunctionsofdigitalfinancedevelopmentinpromotingtheliberalizationoffinancialinterestrates，inhibitingtheexpansionofshadowbanking，andstabilizingthefinancialsystem.Theprimaryinnovationofthispaperliesinusingtheyieldrateoftrustproductsasametrictomeasurethestrengthofshadowbankingand，subsequently，examiningtheimpactofdigitalfinancedevelopmentonsystemicrisksthroughthelensofshadowbanking’sdevelopment.Theresearchfindingsrevealthatthedevelopmentofdigitalfinancehasledtoanaveragereductionof0.242insystemicfinancialrisksamongChina’slistedcommercialbanks.Themechanismanalysisindicatesthatthisreductioninsystemicrisksstemsfromthestrategic，operational，andmanagerialdigitaltransformationofcommercialbanks.Additionally，themarketizaitonofinterestratesfacilitatedbydigitalfinancedevelopmenthascontributedtothedissolutionofshadowbanking，thestabilizationofthefinancialsystemandthereductionofsystemicfinancialrisks.

Keywords：digitalfinance;shadowbanking;systemicfinancialrisk

（責任編輯：蔡曉芹）