數字化轉型能否降低銀行信貸風險 機制與證據

關鍵詞：數字化轉型銀行信貸風險數據要素化數字治理DOI：10.19592/j.cnki.scje.420314JEL分類號：E52，G21，O16 中圖分類號：F126.1文獻標識碼：A 文章編號：1000-6249（2025）03-097-20

一、引 言

在內外經濟發展環境愈加深刻復雜的背景下，守住不發生系統性風險底線，更好地發揮金融在服務實體經濟中的重要作用，是中國式現代化對金融高質量發展提出的新要求①。商業銀行作為金融體系的核心主體，有效防控商業銀行面臨的信貸風險是深化金融供給側結構性改革的重要舉措②。2023年2月10日，中國銀行保險監督管理委員會與中國人民銀行聯合發布了《商業銀行金融資產風險分類辦法》，通過完善商業銀行金融資產風險分類管理的治理架構，為有效管控和降低商業銀行潛在的信貸風險提供了重要的政策支持。隨著以云計算、大數據、區塊鏈技術、人工智能等為標志的新一代數字技術革命的加速演進，數字技術在金融領域不斷深化，金融科技、數字支付、數字治理等推動著傳統金融業發展模式不斷轉型升級，為防范、化解金融風險提供了更多的創新工具，同時也極大地提高了金融服務效率。因此，科學評估數字化轉型對商業銀行信貸風險的影響，不僅對防范、化解金融風險具有政策參考價值，還對數字中國背景下構建適應現代經濟發展的數字金融新格局具有重要的理論意義。

關于信息技術對銀行信貸風險的影響，現有研究主要集中于考察金融科技對銀行信貸業務的影響。金融科技通過改變業務模式、創新產品形式、變革商業環境等對銀行信貸行為產生了重要影響（Lee and Shin，2018；Lagna and Ravishankar，2022），但關于該影響可能帶來的正向或負向效應，現有研究并未達成一致結論。一方面，金融科技應用帶來的技術外溢效應，可以顯著提高商業銀行風險管控能力及管理效率，提升風險控制能力，從而降低信貸風險（Lietal.，2022）。同時，金融科技應用還可以極大地降低信息不對稱，通過強化信息共享機制（Banna et al.，2022；Marcelin et al.，2022）、提高資產定價能力（Fuster et al.，2019；Du et al.，2021； Zhang et al.，2023），完善市場信息匹配（Gambacortaetal.，2019；李真等，2023），進而降低信貸風險。另一方面，信息技術會降低銀行息差，對銀行利潤產生負向沖擊（邱晗等，2018；Murindeetal.，2022；游家興等，2023），加強銀行間的競爭關系（盛天翔和范從來，2020；賈盾和韓昊哲，2023），并引發風險聚集，產生新的技術風險（Anagnostopoulos，2018；Li et al.，2020；Wang et al.，2021；王道平等，2022），最終增加銀行的信貸風險。

近年來，隨著以云計算、大數據、區塊鏈技術、人工智能等為代表的數字技術在金融領域的廣泛應用，數字化轉型給銀行業高質量發展帶來了前所未有的機遇和挑戰，圍繞數字化轉型與商業銀行經營行為的文獻逐漸增多。值得注意的是，商業銀行數字化轉型與金融科技發展具有顯著的不同，前者并非局限于信息技術的簡單應用，還涵蓋了組織形式、管理架構、產業形態等一系列系統性的變革（謝絢麗和王詩卉，2022），并不斷催生出新業態、新產業、新模式（Pierri and Timmer，2020）。區別于金融科技帶來的降低信息不對稱優勢和技術外溢性優勢，數字化轉型對商業銀行經營行為影響的獨特優勢還體現在如下兩個方面。一方面，商業銀行數字化轉型打破了傳統要素的空間約束，通過數據要素化，實現了更加高效的“數字匹配\"能力，將金融服務與市場進行深度連接，有助于提高商業銀行信貸效率，擴大信貸覆蓋范圍，減少風險聚集，進而降低銀行信貸風險。另一方面，商業銀行數字化轉型帶來的數字治理有助于提高銀行管理效率和監管效率，優化風險管理機制，進而降低風險承擔水平，營造良好的數字生態，推動銀行業規范健康持續發展。因此，數字化轉型可以通過上述兩個渠道降低銀行信貸風險。

基于北京大學中國商業銀行數字化轉型指數與中國研究數據服務平臺（CRNDS），本文首先考察了數字化轉型對銀行信貸風險的影響。實證結果顯示，數字化轉型顯著降低了銀行信貸風險。為有效識別數字化轉型對銀行信貸風險的因果效應，本文對基準回歸結果進行了內生性討論。首先，在基準回歸模型的基礎上進一步添加城市一年度固定效應，以控制城市層面隨時間變化的因素。其次，使用Oster（2019）方法評估基準回歸結果由不可觀測因素驅動的可能性，以檢驗遺漏變量偏誤的嚴重程度。最后，利用商業銀行注冊地城市到\"八縱八橫\"光纜骨干網節點城市的最短球面距離，構建數字化轉型的工具變量，進行兩階段最小二乘估計。此外，為了保證結果的可靠性，本文還進行了一系列穩健性檢驗。上述結果均一致于基準結論。異質性分析發現，在商業銀行屬于非上市公司、聘用的審計機構非四大會計師事務所以及當地互聯網基礎設施越完善的情況下，數字化轉型對銀行信貸風險的降低效應更強。機制檢驗表明，數字化轉型通過數據要素化和數字治理能力提升，有助于銀行\"數字匹配\"能力、管理效率提高，進而降低了銀行信貸風險。進一步分析發現，數字化轉型不僅降低了微觀銀行層面的信貸風險，并且改善了中觀城市層面的信貸資源配置效率，促進了高新技術企業創業活動，更好地發揮了金融在服務實體經濟中的重要作用。

本文可能的邊際貢獻主要體現在如下三個方面：第一，本文對數字技術影響銀行信貸風險管理行為的相關文獻進行補充。不同于現有研究主要基于金融科技對銀行信貸風險管理行為的影響展開研究（Lee and Shin，2018；Lagna and Ravishankar，2022；李真等，2023；游家興等，2023），本文從數字化轉型這一更加廣泛的視角，將數字化轉型帶來的組織形式、管理架構、數據要素等一系列系統性變革這一特殊優勢引人研究框架，有助于科學評估數字化轉型對銀行信貸風險的影響效應。第二，本文從微觀銀行視角考察了數字化轉型對信貸風險的影響，深人剖析了數字化轉型影響銀行信貸風險的內在邏輯，并從數據要素化和數字治理兩個渠道提供了理論解讀，豐富了數字化轉型影響銀行信貸風險管理行為的經驗證據，同時有助于建立數字化轉型與銀行信貸風險的因果關系。第三，本文進一步從中觀層面揭示了商業銀行數字化轉型對城市信貸資源配置效率和高新技術企業創業活動的顯著改善與促進作用，驗證了數字化轉型對使金融更好地服務實體經濟的重要推動作用，為數字時代背景下防范、化解金融風險，提升金融服務效率，構建適應中國式現代化要求的金融高質量發展提供了有效路徑。

本文后續內容安排如下：第二部分對現有文獻進行歸納總結，結合現有研究基礎，探討數字化轉型對銀行信貸風險影響的理論機制；第三部分介紹模型設定、變量構建、以及樣本和數據來源；第四部分呈現數字化轉型對銀行信貸風險的基準回歸結果，同時進行穩健性檢驗和異質性分析；第五部分檢驗數字化轉型影響銀行信貸風險的作用機制；第六部分進一步考察商業銀行數字化轉型如何影響中觀城市層面的信貸資源配置效率以及高新技術企業創業活動；最后是結論和政策建議。

二、文獻綜述與理論機制

（一）信息技術與銀行信貸風險

信貸風險作為商業銀行面對的主要風險之一，如何有效防控信貸風險是關乎金融體系穩定發展的關鍵問題（尹志超和甘犁，2011）。關于信貸風險的影響因素，現有文獻進行了豐富的討論。既有文獻指出，由銀企之間信息不對稱，而引發的逆向選擇與道德風險，是銀行信貸風險產生的重要根源（錢龍，2015）。根據銀行應對信息不對稱的不同形式，信貸風險主要可以歸納為由信用評級、風險定價等引發的技術風險（Adams etal.，2009），由抵押品、擔保制度引發的信用違約風險與關聯風險（Ono and Uesugi，2009），由監管制度引發的監管套利風險（Buchak etal.，2018；王博等，2021）。

關于信息技術應用如何影響商業銀行信貸風險，與本文密切相關的一支文獻是金融科技對銀行信貸風險的影響。一方面，Lietal.（2022）利用銀行層面的面板數據研究發現，銀行金融科技創新帶來的技術外溢效應，不僅提高了銀行營業收入、優化經營績效，且對銀行風險管控能力產生了積極影響，進而降低了信貸風險。Bannaetal.（2022）利用跨國數據研究了金融科技發展對金融貸款機構風險的影響，發現金融科技通過信息共享機制（Marcelin et al.，2022），顯著提升了金融包容性，最終降低金融貸款機構的風險行為。Duetal.（2021）研究發現，大數據應用在銀行風險評估中發揮了重要的作用，為完善銀行風險預警、信用風險等級評估提供了新的技術手段，極大地提高了銀行資產定價能力。與此同時，金融科技發展提高了銀行對優質企業的“選擇效應”，使得銀企之間信息匹配機制進一步加強（Gambacorta et al.，2019；李真等，2023），有利于銀行信貸風險的降低。但另一方面，Murinde etal.（2022）利用全球115個國家銀行層面數據研究發現，金融科技發展會降低息差，減少收益，對銀行盈利水平和成長性造成負面影響（邱晗等，2018；游家興等，2023），進而可能惡化信貸風險管理水平。此外，金融科技發展還會加強銀行間的競爭關系，加深銀行間關聯程度，并通過部門間替代效應以及存款和平臺理財市場的整體財富效應進一步擴大信貸風險的傳染性（盛天翔和范從來，2020；賈盾和韓昊哲，2023），對監管部門構成了新的挑戰（Anagnostopoulos，2018），并增加了風險溢出（Lietal.，2020）。這些因素引發了風險的聚集，產生了新的技術風險，最終對銀行信貸風險產生不利影響（Wangetal.，2021；王道平等，2022）。

（二）數字化轉型與銀行信貸風險

隨著以云計算、大數據、區塊鏈技術、人工智能等為代表的新一代數字技術在金融領域的廣泛應用，以定制化、多樣化、互聯網化為特點的金融服務創新極大地推進了數字金融新發展格局。商業銀行依托于上述發展背景，積極運用數字技術著眼于銀行經營行為和盈利模式層面的變革，對其創新能力、經營效率、就業結構、收入水平等方面產生了重要影響（張一林等，2021）。相較于金融科技發展帶來的技術外溢效應，數字化轉型在管理架構、組織形式、產業形態等方面產生了一系列系統性變革（謝絢麗和王詩卉，2022），從產業生態層面上改變了商業銀行風險識別能力、認知水平以及監管方式，這必然會對商業銀行風險管理尤其是信貸風險管理行為產生重要影響。然而，鮮有研究考察商業銀行數字化轉型對銀行信貸風險的影響和作用機制。本文將主要從數字化轉型在實現數據要素化和增強數字治理水平兩個方面所具有的獨特優勢出發，深人剖析商業銀行數字化轉型和銀行信貸風險之間的關系，具體理論機制見圖1。

一方面，銀行數字化轉型帶來的數據要素化可以提升信貸效率，進而降低信貸風險。新一代數字技術應用，在提升客戶金融可得性與便利性的同時，也為銀行帶來了海量的信息數據單元和內涵豐富的交互式信息數據，促使銀行業經營模式開始圍繞以數字畫像識別、人工智能應用、大數據分析等為具體形式的數據要素化發展模式轉型。數據要素化的實現可以從三個方面提升銀行信貸效率：第一，數據要素化強化了銀行軟信息甄別能力，從而將金融服務與市場需求進行深度連接（Oguraand Uchida，2014）。黃益平和邱晗（2021）利用中國頭部金融科技公司逐筆貸款數據，發現大科技平臺及其生態系統通過數以億計的客戶連接，在創新信貸服務的同時，有效地降低了信貸違約率。張一林等（2021）通過構建包含不同類型商業銀行的理論模型，發現數字化轉型重構了銀企之間的\"數字匹配\"關系，不僅改善了中小企業的融資環境，而且優化了商業銀行的客戶識別能力，進而有效降低了客群之間的風險傳導，改善了銀行間信貸同群效應（張雪蘭和李佳寧，2023）。第二，數據要素化有助于銀行利用關系網絡、運籌算法等技術（Huang et al.，2020），幫助掌握客戶對象的數字足跡（生產交易信息、物流訂單信息、交易網絡以及支付信息等），針對不同經濟場景和業務階段，有效提高從個體到群組的業務覆蓋范圍，打造更加安全可靠的金融生態系統。Khanchel（2019）通過對外國銀行數據進行分析，認為數字化轉型一方面帶來了客戶識別精準度的提升，另一方面使得代理網絡分銷渠道快速擴充，進而幫助降低銀行信貸風險。第三，銀行數字化轉型帶來的數據要素化有效打破了傳統要素的空間約束，極大地提高了金融機構的資源配置效率。李智山等（2014）研究發現，傳統銀行受限于地區因素、政治因素、產業結構等導致的交易成本，不利于金融機構資源配置效率的提升。張海洋等（2022）基于中國縣級數據研究發現，數字化轉型通過改善金融資源配置效率，提高了地區經濟發展水平和金融可得性。因此，基于數據要素化，銀行數字化轉型可以通過提升信貸效率有效降低信貸風險。

另一方面，銀行數字化轉型帶來的數字治理水平的提升有助于加強信貸監管，進而降低信貸風險。與傳統商業銀行部門協同困難、管理層級臃腫、交易流程復雜、創新能力不足等相比，數字化轉型從公司治理層面提高了商業銀行信息收集、數據處理以及客戶管理的能力，推動了銀行組織架構重組，進而實現優化決策鏈條、管控信貸流程、強化監督機制的數字治理能力提升，變革風險管理模式。具體而言，第一，數字化轉型依托的豐富信息結構為商業銀行實現跨部門協同提供了可能路徑，在提煉并分析結構化數據的基礎上，極大地緩解信息不對稱問題，優化了商業銀行的決策鏈條。例如，Pousttchi and Dehnert（2018）在理論模型的基礎上，利用跨國數據分別從運營和戰略層面研究了數字化轉型對商業銀行決策機制的影響，發現為了適應“數字習慣\"和價值體系的快速轉變，商業銀行不斷提高運營活動中的相關性和及時性，極大推動了決策效率的提升。同樣，利用中國商業銀行數據，蔣海等（2023）發現數字化轉型通過降低管理成本、優化決策效率，顯著降低了商業銀行的風險承擔水平。第二，商業銀行利用數字技術，可以實現更加靈活、多樣、及時的預警機制和防范機制，優化信貸流程的管控。例如，羅煜等（2022）使用中國187家商業銀行2010—2019年的網點與財務數據研究發現，數字化轉型優化了信貸流程，提供了更加有效的流程預警和防范措施。第三，銀行數字化轉型通過應用新型監管體系，可以依據大數據和人工智能等技術進行實時風險監管（Frey andOsbome，2017），實現專業化實時監控和動態風險跟蹤，提升監管能力和監管效率，降低監管套利可能，從而有助于降低銀行信貸風險（Gambacortaetal.，2019）。

綜上所述，商業銀行數字化轉型催生的數據要素化和數字治理能力提升，有助于增強銀行\"數字匹配\"能力和管理效率，進而降低銀行信貸風險。

三、模型設定與數據來源

（一）數據來源

本文商業銀行相關數據來自中國研究數據服務平臺（CNRDS）。該數據服務平臺銀行研究數據庫（Chinese Bank Research Database，CBRD）中包含了國有大型商業銀行、股份制商業銀行、城市商業銀行、農村商業銀行等中國目前已經上市以及未上市的銀行業金融機構數據，建立了全面、詳細和準確的銀行業研究數據庫。本文選取了CBRD數據庫中2010—2021年的銀行數據，并從中獲取了銀行經營基本信息、財務相關指標、信貸資產分析情況以及銀行重要業務指標等原始信息。本文進一步對商業銀行數據進行如下處理：（1）為了確保數據樣本的可靠性，本文將關鍵指標缺失的樣本進行了剔除，部分缺失值采用插值法進行了補充；（2）為了減少異常值帶來的影響，本文對連續變量進行 1% 和 99% 縮尾處理。

為了衡量商業銀行的數字化轉型程度，本文使用了來自北京大學中國商業銀行數字化轉型指數課題組發布的相關數據。該數據覆蓋2010—2021年中國幾乎所有商業銀行樣本，樣本中包含的商業銀行總資產占中國商業銀行總資產 96% 以上。樣本數據包括商業銀行數字化轉型總指數，以及戰略數字化、業務數字化和管理數字化三個子指數。其他城市層面相關數據均來自中國研究數據服務平臺（CNRDS）。

基于上述數據，本文最終獲得2010—2021年206家商業銀行1673個銀行—年度觀測值的非平衡面板數據。其中，上市商業銀行共55家，非上市商業銀行共151家。

（二）模型設定

為了考察數字化轉型對商業銀行信貸風險的影響，本文設定了如下基準回歸模型：

其中，下標i、c和t分別代表商業銀行個體、城市和年份。被解釋變量 表示 城市i商業銀行t年的信貸風險。核心解釋變量 是商業銀行數字化轉型程度，考慮到數字化轉型主要應用于事前信貸管理，因此本文對核心解釋變量進行滯后一期處理。 是c城市i商業銀行層面的一系列隨時間變化的控制變量。 表示城市固定效應； 表示年份固定效應； 表示銀行類型固定效應，銀行類型包括農村商業銀行、城市商業銀行、外資銀行、國有銀行、民營銀行、股份制商業銀行六類； 為隨機擾動項。β是本文關注的核心系數，根據前文的理論分析，預期 β 顯著為負，即數字化轉型有助于降低銀行信貸風險。本文報告了聚類在銀行層面的穩健標準誤。

（三）變量說明

1.被解釋變量

銀行信貸風險。參考現有文獻（尹志超和甘犁，2011；郭曄等，2022；Zhang et al.，2023），本文以商業銀行的不良貸款率（NPL）來衡量銀行信貸風險，銀行不良貸款占總貸款余額的比值越大，表示銀行信貸風險水平越高。采用該指標的主要原因有以下兩點：一是不良貸款率側重反映銀行貸款資產的質量，較好地測度了銀行信貸活動中潛在的風險因素。二是不良貸款率度量的更多是銀行事后風險，有助于準確評估銀行信貸活動產生的風險后果。此外，考慮到銀行信貸風險廣義的內涵特征，本文進一步將不良貸款撥備覆蓋率（NPL_PC）和衡量銀行風險承擔行為的風險加權資產（risk-weighted assets）占比（risk_taking）作為銀行信貸風險的替代變量，以驗證本文回歸結論的穩健性。其中，不良貸款撥備覆蓋率采用一般準備、專項準備、特種準備之和與不良貸款的比值表示，風險加權資產采用同業往來、貸款、固定資產等加權之和表示。

2.核心解釋變量

商業銀行數字化轉型程度。根據北京大學數字金融研究中心課題組2022年發布的《北京大學中國商業銀行數字化轉型指數（2010—2021年）》以及謝絢麗和王詩卉（2022）的研究，商業銀行數字化轉型是指銀行業金融機構將數字技術與銀行管理體系、業務結構、產品創新進行深度融合，借助數字技術提升戰略層面、業務層面、管理層面的數字化程度，推動銀行經營活動進行創新與變革，從而促進金融業高質量發展的過程。具體而言，首先，利用文本分析方法構建數據池，其次，依據相關金融科技文件以及銀行相關法律法規歸納數字化轉型的特征詞庫，最后，將商業銀行數字化轉型劃分為戰略數字化、業務數字化、管理數字化三個維度，并基于數據池進行匹配、統計，加總得到數字化轉型總指數以及三個維度的分指數，相關指數頻率越高，則代表商業銀行數字化轉型程度越強。

3.控制變量

為了減輕潛在遺漏變量對回歸結果的影響，參考現有文獻（郭曄等，2022；謝絢麗和王詩卉，2022；余明桂等，2022），本文控制了一系列銀行層面變量： ① 存貸款之比（LR）：商業銀行總貸款與總存款之比。 ② 凈資產收益率（ROE）：商業銀行凈資產收益率。 ③ 運營能力（operation）：商業銀行銷售收人與總資產之比。 ④ 銀行杠桿率（lev）：商業銀行總資產與所有者權益之比。 ⑤ 銀行總資產規模（asset）：商業銀行總資產的對數值。 ⑥ 銀行成立年齡（age）：商業銀行報告期年份減去成立年份。 ⑦ 收入多樣性（diversity）：商業銀行非利息收入與營業收入之比。表1呈現了主要變量的描述性統計。

四、實證結果分析

（一）數字化轉型對商業銀行信貸風險的影響

表2呈現了數字化轉型影響商業銀行信貸風險的回歸結果，所有回歸均加人了銀行類型、城市和年份固定效應，同時本文逐次控制了銀行營業活動和銀行基本特征層面的控制變量。表2列（1）

結果顯示，在對商業銀行不良貸款率（NPL）的回歸結果中，數字化轉型的系數為負，且在 10% 水平上顯著，表明數字化轉型顯著減少了商業銀行不良貸款率，降低了商業銀行潛在的信貸風險，支持了本文的理論分析。為了進一步減輕可觀測遺漏變量對回歸結果的影響，表2列（2）和（3）分別加入了銀行營業活動和銀行基本特征層面的控制變量。回歸結果顯示，核心解釋變量數字化轉型的系數均顯著為負，系數方向與列（1）保持一致，且在 1% 水平上顯著，證實了本文回歸結果的可靠性。

（二）內生性問題

雖然本文在式（1）中添加了一系列銀行層面可觀測的控制變量以及銀行類型固定效應、城市固定效應和年份固定效應，但基準模型仍可能存在潛在的內生性問題。首先，商業銀行信貸風險可能會受到隨城市和時間變動遺漏因素的影響，從而產生遺漏變量問題。其次，本文核心解釋變量數字化轉型程度的測度方法是基于文本分析方法，對相關詞頻篩選、統計而成，雖然該方法具有較為完整的理論基礎和實踐經驗依據，且被現有相關文獻廣泛采用，但該方法不可避免會產生一定程度的度量誤差。最后，考慮到數字化轉型具有提升信息效率，改善經營環境，優化創新資源等重要作用，因此，信貸風險水平較高的商業銀行，可能會更加主動參與到數字化轉型活動中來，以完善銀行治理體系，由此產生的逆向因果問題，同樣會干擾模型因果識別。為了緩解上述內生性問題，本小節分別采用添加城市一年份固定效應、基于不可觀測變量遺漏偏誤檢驗、工具變量回歸對相關內生性問題進行討論。

1.添加城市一年份固定效應

城市層面隨時間變化的因素，比如城市產業政策、金融發展水平、金融監管政策等，可能會同時影響當地商業銀行的數字化轉型決策和信貸活動。因此，本文在式（1）的基礎上，將城市虛擬變量和年份虛擬變量的交乘項加入模型，控制城市一年份固定效應，以減輕上述因素帶來的干擾。表3呈現了回歸結果。核心解釋變量數字化轉型的系數顯著為負，與基準回歸結果一致，且系數大小也較為相近，表明城市層面隨時間變化的因素對本文估計結果不存在較大影響，進一步支持了本文基準回歸結論的可靠性。

2.基于不可觀測變量遺漏偏誤檢驗

為了進一步檢驗基準估計結果中受到遺漏變量偏誤影響的嚴重程度，本文對式（1）估計結果受到不可觀測因素驅動的可能性進行了測算。Oster（2019）通過比較基準模型和受限模型之間核心解釋變量估計系數以及擬合優度的變化，構建了測量模型估計結果受到不可觀測因素影響驅動可能性大小的方法。具體而言，首先，確定基準模型和受限模型，本文基準模型即為式（1）回歸模型，受限模型為僅包含銀行類型固定效應、城市固定效應和年份固定效應的回歸模型；其次，通過" 確定兩個比較模型之間的最大擬合優度；最后，分別回歸基準模型和受限模型，并計算出受到不可觀測因素影響驅動可能性大小的比例系數值。通過上述計算，本文式（1）回歸結果中比例系數值為18.3463。參考Oster（2019）的方法，比例系數值大于1，則表示模型受到不可觀測變量遺漏偏誤的影響較小。因此，本文式（1）回歸結果較為穩健，受到遺漏變量偏誤的影響并不嚴重。

3.工具變量回歸

工具變量回歸可以有效緩解度量誤差、逆向因果等產生的內生性問題。參考田鴿和張勛（2022），本文利用商業銀行注冊地城市到\"八縱八橫”光纖骨干網節點城市的最短球面距離，作為核心解釋變量數字化轉型的工具變量。“八縱八橫”光纖骨干網節點城市作為20世紀推動中國信息高速公路建設，助推經濟發展的重要戰略布局，建設工程覆蓋了全國省會城市和重點地區、聯通了世界的光纜傳輸骨干網，為中國經濟騰飛提供了可靠、強大的保障。特別地，“八縱八橫”光纖骨干網節點城市建設極大地推動了信息基礎設施的建設，為當地金融機構擴展和深化信息技術服務提供了有利的條件，促進了當地金融機構與信息技術的深度融合，為數字化轉型提供了重要的保障機制。同時，考慮到在樣本期內，中國互聯網行業迎來了飛速的發展，為了捕捉時間維度上互聯網快速發展帶來的影響，本文進一步將商業銀行注冊地城市到\"八縱八橫\"光纖骨干網節點城市的球面距離與全國寬帶互聯網接入端口數相乘，以此作為工具變量進行因果識別。

基于上述分析，本文設計如下工具變量識別策略，工具變量回歸第一階段的模型設定如下：

其中，digital_bank ict 為c城市i商業銀行t年的數字化轉型程度。dis.為商業銀行所在城市c到\"八縱八橫”光纖骨干網節點城市的最短球面距離。 為t年全國寬帶互聯網接入端口數。其余變量的設定同式（1）。交互項系數β反映了“八縱八橫\"光纖骨干網節點城市對鄰近城市中商業銀行數字化轉型的影響，若為負，表示距離“八縱八橫”光纖骨干網節點城市越近的城市中商業銀行數字化轉型的程度越強。通過估計式（2）中被解釋變量的擬合值 ，將其帶入式（1）中進行第二階段回歸，即可得到數字化轉型對商業銀行信貸風險的因果效應估計值。

關于工具變量的合理性。首先，從相關性條件來看，城市寬帶建設、互聯網的普及等往往與早期光纖網絡的規劃與鋪設相關，可以預期，距離\"八縱八橫”光纖骨干網節點城市越遠，城市寬帶、互聯網普及水平越低，而數字化轉型高度依賴于互聯網基礎設施，其必然與城市互聯網水平密切相關。其次，從排他性約束來看，距離作為外生的地理屬性，并不會受到經濟社會等因素的影響，因此不太可能與當地信貸活動相關。同時，全國層面隨時間變化的互聯網整體發展趨勢，也幾乎不太可能受到個體城市中商業銀行的信貸活動影響。此外，在控制了一系列商業銀行層面變量以及銀行類型固定效應、城市固定效應和時間固定效應之后，可以認為工具變量將僅通過數字化轉型影響商業銀行信貸風險。

表4呈現了工具變量回歸結果。第二階段回歸結果中，核心解釋變量系數顯著為負，與式（1）回歸結果保持一致，即數字化轉型顯著降低了商業銀行信貸風險水平。同時，相比表2列（3）的估計結果，工具變量估計系數大小顯著增加，這可能是由于商業銀行數字化轉型程度的度量誤差導致OLS估計系數衰減偏誤，或者商業銀行的數字化轉型存在正向自選擇效應。此外，第一階段估計結果符合預期，距離\"八縱八橫”光纖骨干網節點城市越近的城市中商業銀行數字化轉型程度越強，且第一階段F統計量遠大于10，排除了弱工具變量問題。

（三）穩健性檢驗

1.替換被解釋變量

本文采用多種方法衡量商業銀行信貸風險，以便確保回歸結果的穩健性。具體而言，分別構建了商業銀行預期信貸風險承擔指標：不良貸款撥備覆蓋率（NPL_PC），以及反映商業銀行主動風險承擔行為的指標：風險加權資產占比（risk_taking）。表5呈現了替換被解釋變量的回歸結果。列（1）和（2）被解釋變量為不良貸款撥備覆蓋率，列（3）和（4）被解釋變量為風險加權資產占比，本文主要關注添加控制變量的回歸組，即列（2）和（4）。可以發現一致于式（1）回歸結論，數字化轉型顯著降低了商業銀行信貸風險水平。表5的結果表明，商業銀行信貸風險水平的具體測度方式對本文回歸結論影響不大。

2.替換核心解釋變量

為確保研究結論不是由于數字化轉型指標和信貸風險水平指標中的某些特殊性引起，本文采用商業銀行金融科技指數作為數字化轉型程度的替代變量進行穩健性分析。參考現有文獻（胡俊等，2024），采用文本分析的方法，按照“產品服務”、“戰略服務\"以及“底層技術應用層面\"對商業銀行年報中的相關詞頻進行統計、加總，最終獲得金融科技總指數與產品服務指數、戰略理念指數、底層技術指數三個分指數。表6呈現了相關回歸結果。首先，金融科技總指數對商業銀行信貸風險回歸結果顯示，商業銀行金融科技水平提高，顯著降低了信貸風險；其次，從子指標來看，金融科技的戰略理念維度和底層技術維度可以顯著降低信貸風險，而產品服務指數的回歸系數雖然為負但不顯著，這凸顯了金融科技的戰略理念和底層技術在信貸風險防控中的核心作用。

3.其他穩健性檢驗

考慮到本文核心解釋變量商業銀行數字化轉型為加總指標，為了在一定程度上說明總體指標測度的合理性，同時對各維度子指標在商業銀行信貸風險中的相對重要性提供探索性的證據，本文將數字化轉型的三個子指標戰略數字化、業務數字化、管理數字化作為核心解釋變量，再次對式（1）進行回歸，表7列（1）—（3）呈現了上述回歸結果。回歸結果顯示，數字化轉型的三個子指標回歸系數均為負，其中戰略數字化和管理數字化的作用更加顯著，而業務數字化對信貸風險的影響并不顯著，說明僅將數字技術融合于金融服務（如手機銀行APP、微信銀行等）可能較難發揮數字化轉型對信貸風險的防控作用。此外，考慮到外資銀行在經營模式、監管政策、管理體系等方面與中國商業銀行存在顯著的差異，為了排除外資銀行帶來的差異化影響，本文將外資銀行樣本進行了剔除，回歸結果呈現于表7列（4）。可以發現，回歸結果與式（1）保持一致，再次說明了本文回歸結論的穩健性。

（四）異質性分析

本小節分別從企業層面和地區層面考察了商業銀行數字化轉型對信貸風險的異質性影響。這一分析不僅有助于厘清數字化轉型降低信貸風險水平的理論機制，而且為數字時代背景下，繼續深化金融體制改革、構建數字金融發展新格局提供了切實可行的政策啟示。本文主要基于銀行治理特征、外部監管特征以及地區互聯網基礎設施建設，探討了數字化轉型是如何發揮其降低信貸風險水平的作用。

1.銀行治理特征

治理特征是影響銀行信貸風險水平的重要因素（Jordaetal.，2020）。由于中國政府實施嚴格的上市管理制度，使得上市銀行與非上市銀行在企業治理、財務管理等方面存在明顯的差別。而數字化轉型帶來的數字治理特征在提升企業治理、財務管理等方面擁有較強的優勢，相比上市銀行，數字化轉型對非上市銀行信貸風險水平的影響可能更大。為了檢驗銀行治理特征在數字化轉型降低商業銀行信貸風險水平中的作用，本文構建了商業銀行是否上市的虛擬變量，并采用交互項的形式進行回歸。表8列（1）呈現了估計結果，可以發現，對于非上市銀行，數字化轉型降低銀行信貸風險水平的效果更加顯著。上述結果說明，數字化轉型對銀行信貸風險水平的降低效應可能通過數字治理渠道發揮效用。

2.外部監管特征

同理，外部監管也是銀行治理特征的重要組成部分，為了進一步厘清銀行治理特征對信貸風險水平影響的重要作用，本小節考察了外部監管特征層面的異質性。四大會計師事務所作為行業龍頭企業，擁有全球范圍內領先的業務處理能力以及客戶網絡群體，能夠提供非常完善的監管和管理業務。因此，相比聘用四大會計師事務所作為審計單位的商業銀行，聘用非四大會計師事務所作為審計單位的商業銀行，在外部監管和業務管理方面可能存在一定的劣勢，但這也更加有利于數字化轉型發揮其數字治理的效用，從而使得數字化轉型對銀行信貸風險水平的降低作用，在聘用非四大會計師事務所作為審計單位的商業銀行中更加顯著。本文依據商業銀行審計機構是否為四大會計師事務所，構建相關虛擬變量，并采用交互項的形式進行回歸。表8列（2）呈現了估計結果，可以發現，聘用非四大會計師事務所作為審計單位的商業銀行，數字化轉型降低銀行信貸風險水平的效果更加顯著。上述結果再次表明，數字治理渠道可能是數字化轉型對銀行信貸風險水平產生影響的重要渠道。

3.地區互聯網基礎設施

通常而言，數字化轉型高度依賴于互聯網基礎設施建設（王海等，2023），互聯網基礎設施建設更好的地區，提供了更多的寬帶網絡覆蓋范圍，更好的網絡服務質量，進而將有效推動數字化轉型業務的開展。因此，本文將商業銀行按照注冊地城市的人均互聯網寬帶接入數進行分類，中位數以上為高互聯網基礎設施建設地區，中位數以下為低互聯網基礎設施建設地區。表8列（4）呈現了估計結果，可以發現，在高互聯網基礎設施建設地區，數字化轉型對銀行信貸風險水平的降低作用更加顯著。上述結果表明，地區層面的互聯網基礎設施對數字化轉型發揮效用具有重要的推動作用。

五、機制檢驗

本小節探究數字化轉型影響商業銀行信貸風險的作用機制。基于理論分析部分數字化轉型的特征以及其對商業銀行風險管理特別是對信貸風險影響的潛在渠道，本文重點檢驗數字化轉型如何通過數據要素化和數字治理機制，降低銀行信貸風險水平。這一檢驗不僅有利于在理論層面厘清數字化轉型作用于銀行信貸風險管理行為的具體路徑，還有助于在實證層面進一步建立數字化轉型對銀行信貸風險的因果效應。

（一）數據要素化

針對數據要素化機制，本文分別從銀行貸款行業分布多樣化和貸款方式多樣化渠道來檢驗商業銀行數字化轉型推動的數據要素化對信貸風險水平的影響。其中，銀行貸款行業分布多樣化指標，采用赫芬達爾指數測算銀行面向各行業貸款總額的集中度來衡量，該指標越小，代表銀行貸款行業分布越廣泛；貸款方式多樣化指標，采用信用貸款相對抵押貸款的占比來衡量，該指標越大，代表銀行貸款方式多樣化程度越高。相關數據均來自中國研究數據服務平臺（CNRDS）。表9呈現了回歸結果。列（1）和列（2）被解釋變量分別為貸款行業分布多樣化和貸款方式多樣化，可以發現，核心解釋變量數字化轉型顯著推動了銀行貸款行業分布和貸款方式的多樣化，提高了信貸效率，降低了潛在的信貸風險聚集，有助于商業銀行降低信貸風險水平。上述結論，強調了數字化轉型在推動數據要素化中發揮的重要作用，支持了本文的理論機制分析。

（二）數字治理

針對數字治理機制，本文分別從商業銀行從事表外高風險影子銀行業務和銀行管理效率渠道來進行檢驗。其中，影子銀行業務指標，參考現有文獻（胡利琴等，2016；張嘉明，2022），采用委托貸款占總資產的比重來衡量，該指標越大，表示監管體系越弱，銀行更多地從事表外高風險業務；管理效率指標，采用管理費用與經營收入之比來衡量，該指標越大，代表銀行管理效率越低。相關數據均來自中國研究數據服務平臺（CNRDS）。表10呈現了回歸結果。列（1）和列（2）被解釋變量分別為影子銀行業務和管理效率，可以發現，回歸結果支持了本文的理論分析，商業銀行數字化轉型通過數字治理效應，強化了商業銀行的內外部監管體系，顯著降低了商業銀行從事高風險影子銀行業務的水平，且提高了銀行管理效率，進而發揮了降低信貸風險水平的重要作用。

六、進一步研究

前文研究發現，數字化轉型通過實現數據要素化，提升數字治理能力，有效降低了商業銀行信貸風險水平。一個值得進一步探究的問題是，商業銀行信貸行為的改變將會如何影響信貸資源配置效率。如果數字化轉型在降低商業銀行信貸風險水平的同時，有助于改善信貸資源配置效率，則說明數字化轉型對深化金融供給側結構性改革具有雙重積極意義。

為了考察商業銀行數字化轉型對信貸資源配置效率的影響，首先，本文直接檢驗城市中商業銀行數字化轉型的總體強度對城市信貸資源配置效率的影響。其次，作為進一步證據，本文考察城市中商業銀行數字化轉型的總體強度對城市高新技術企業創業活動的影響。高新技術企業創業活動具有高風險和資金依賴的特征，同時也是經濟發展的內生動力，考慮到銀行信貸是高新技術企業創業資金的重要來源，如果商業銀行數字化轉型可以有效提高信貸資源配置效率，提升信貸資金可獲得性，將進一步促進高新技術企業的創業活動。具體而言，本文設定如下模型：

其中，下標c和t分別表示城市和年份。 為被解釋變量，包括城市層面信貸資源配置效率和城市高新技術企業創業數量。參考現有文獻（李廣子和劉力，2020），本文以城市國有上市企業和非國有上市企業貸款總額之差的自然對數來衡量城市層面信貸資源配置效率，且考慮到行業之間的異質性特征，對該指標進行了去行業均值處理，該指標越大，代表城市信貸資源配置效率越低。高新技術企業創業數量，本文通過對中國國家工商行政管理總局（SAIC）中新企業注冊信息數據進行整理，按照企業所屬行業類型，將信息技術、軟件服務、技術服務、科學研究等行業劃分為高新技術企業，并依據所屬城市進行年度創業數據統計，該指標越大，代表城市中高新技術企業創業活動越多。digital_city ct-1 為核心解釋變量，表示城市中商業銀行數字化轉型的總體強度，使用城市中所有商業銀行數字化轉型程度的均值衡量。 為城市層面控制變量，包括地區生產總值增長率 （%） ）、第二產業增加值占地區生產總值比重 （%） ）第三產業增加值占地區生產總值比重 （%） 城市固定資產投資占地區生產總值比重 （%） 、城市普通高等學校數量的自然對數、城市當年實際使用外資金額占地區生產總值比重 （%） 。 和 表示城市固定效應以及年份固定效應， 為隨機誤差項。本文報告了在城市層面聚類調整的標準誤。

表11呈現了估計結果。列（1）和（2）被解釋變量為城市信貸資源配置效率，列（3）和（4）被解釋變量為高新技術企業創業活動，回歸結果逐次添加城市層面控制變量。本文主要關注列（2）和（4）的回歸結果，可以發現，城市中商業銀行數字化轉型的總體強度顯著提升了城市信貸資源配置效率，并增加了城市中高新技術企業的創業活動，與前文理論分析保持一致。上述結果表明商業銀行數字化轉型不僅在微觀銀行層面發揮了優化信貸風險管理的作用，且有助于改善中觀城市層面信貸資源配置效率，以及增加城市高新技術企業創業活動，對實現經濟社會高質量發展具有重要意義。

七、研究結論與政策啟示

（一）結論

在\"數字中國\"建設背景下，以新一代信息技術革命推動構建適應現代化經濟發展的數字金融新格局，更好地發揮金融在服務實體經濟中的重要作用，是實現中國式現代化的一項重大戰略任務。數字經濟與金融行業的深度融合，推動了商業銀行數字化轉型的快速發展，給經濟社會高質量發展帶來了機遇與挑戰，數字化轉型不僅在微觀銀行層面強化了信貸風險管理能力，且在中觀城市層面也將成為推動數字金融新發展格局的重要引擎。

本文首先對數字化轉型在商業銀行風險管理層面的潛在影響和理論機制進行了分析。然后，基于2010—2021年中國銀行業層面數據，從微觀視角系統考察了數字化轉型對商業銀行信貸風險的影響效應。實證結果顯示，數字化轉型顯著降低了銀行信貸風險。這一結果在替換核心解釋變量、被解釋變量、刪除特殊樣本等一系列穩健性檢驗后仍然成立。為了有效識別數字化轉型對銀行信貸風險的因果效應，本文依次在基準回歸模型的基礎上進一步添加城市—年份固定效應，以控制城市層面隨時間變化的因素；使用Oster（2019）方法評估基準回歸結果由不可觀測因素驅動的可能性，以檢驗遺漏變量偏誤的嚴重程度；利用商業銀行注冊地城市到“八縱八橫”光纜骨干網節點城市的最短球面距離，構建數字化轉型的工具變量，以克服逆向因果和度量誤差帶來的干擾。此外，數字化轉型的信貸風險降低效應在企業和地區層面存在顯著的異質性，在管理體系相對不完善的非上市商業銀行、外部監管相對較弱的商業銀行以及互聯網基礎設施建設程度較高地區的商業銀行，企業數字化轉型帶來的影響效應更強。從影響機制來看，數字化轉型主要通過數據要素化、數字治理，使得銀行“數字匹配”能力提升，銀行貸款行業分布更加分散、信用貸款占比大幅提升，同時，商業銀行的影子銀行規模逐漸減少，管理效率提升，最終降低了銀行信貸風險。進一步研究發現，數字化轉型不僅降低了微觀層面商業銀行的信貸風險，并且改善了中觀城市層面的信貸資源配置效率，促進了高新技

術企業的創業活動。

（二）政策啟示

本文研究結論對新發展階段防范、化解金融風險，構建適應現代經濟發展的數字金融新格局具有如下政策啟示：

第一，加快推進數字技術在金融領域的深度融合，以數字化轉型促進金融高質量發展，充分釋放金融對實體經濟健康發展的助推作用。本文研究發現，商業銀行借助數字化轉型帶來的數據要素化和數字治理能力的增加，有效地提升了銀行“數字匹配\"能力，以及經營管理效率，進而降低了銀行信貸風險，這對在數字時代背景下，守住不發生系統性風險底線，更好地發揮金融在服務實體經濟中的關鍵作用具有重要意義。因此，需進一步加快互聯網基礎設施建設、積極引導財政資金，為推動商業銀行數字化轉型提供強大的市場基礎和堅實的政策保障。同時，應積極鼓勵商業銀行發揮數字化轉型的獨有優勢，把數據要素化、數字治理與金融服務有機地結合起來，創新產品形式和服務模式，挖掘數字技術在降低信貸風險、提升管理效率等方面的發展潛力，在穩風險的前提下，充分釋放金融市場對實體經濟部門的促進作用。

第二，加大支持管理機制相對落后、更加依賴信息成本優勢的商業銀行優先開展數字化轉型，推進數字技術在行業之間協調發展，提高數字技術應用在金融領域的可及性和參與度。本文研究發現，針對內部管理體系相對不完善的非上市商業銀行以及外部監管體系相對較弱的商業銀行，數字化轉型對商業銀行降低信貸風險的作用更強。因此，為了更好地激發數字化轉型在銀行風險管理層面的內在優勢，除了保障“有條件\"的商業銀行順利實施數字化轉型以外，需要針對“有需求”的商業銀行給予更多的政策傾斜，推進數字技術在不同類型商業銀行之間的推廣和應用，構建有益于行業協調發展的生態體系。

第三，建立健全數字金融相關法律法規，為進一步實現數據要素化，完善數字治理體系提供制度保障，充分釋放數字化轉型在微觀銀行層面以及中觀城市層面對信貸資源配置效率的優化效應。本文研究發現，數字化轉型帶來的數據要素化和數字治理能力的提升，起到了強化商業銀行獲取客戶“數字足跡\"能力、提高銀行管理效率以及強化銀行風險管理能力的重要作用，這進一步發揮了擴大信貸覆蓋范圍，減少風險聚集，進而降低了銀行信貸風險的決定性作用。此外，數字化轉型不僅在微觀銀行層面發揮了優化信貸風險管理的作用，且有助于改善中觀城市層面信貸資源配置效率，以及增加城市高新技術企業創業活動。因此，為了多渠道強化數字化轉型對經濟社會的有益作用，減輕金融風險聚集，首先，應當在法律法規層面，激發數據要素創新活力、暢通數據要素內外雙循環，為商業銀行數字化轉型提供多維度的政策支持。其次，從中觀層面完善數字經濟治理體系，推動數字治理體系朝著更加公正合理的方向邁進，為商業銀行數字化轉型提供良好的數字生態環境。

參考文獻

郭曄、未鐘琴、方穎，2022，“金融科技布局、銀行信貸風險與經營績效——來自商業銀行與科技企業戰略合作的證據”，《金融研究》，第10期，第20-38頁。

胡俊、李強、戴嘉誠、曾勇，2024，“基于文本分析的商業銀行金融科技測度及賦能效果檢驗”，《中國管理科學》，第1期，第31-41頁。

胡利琴、陳銳、班若愚，2016，“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”，《金融研究》，第2期，第154-162頁。

黃益平、邱晗，2021，“大科技信貸：一個新的信用風險管理框架”，《管理世界》，第2期，第 12-21+50+2+16 頁。

賈盾、韓昊哲，2023，“金融科技與商業銀行競爭性負債”，《世界經濟》，第2期，第183-208頁。

蔣海、唐紳峰、吳文洋，2023，“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”，《國際金融研究》，第1期，第62-73頁。

李廣子、劉力，2020，“產業政策與信貸資金配置效率”，《金融研究》，第5期，第114-131頁。

李真、李茂林、朱林染，2023，“銀行金融科技與企業金融化：基于避險與逐利動機”，《世界經濟》，第4期，第140-169頁。

李智山、黃光慶、陳鳳桂、周章偉，2014，“中國全國性股份制商業銀行地理分布特征研究”，《經濟地理》，第2期，第19-27頁。

羅煜、崔書言、曠純，2022，“數字化與商業銀行經營轉型——基于傳統業務結構變遷視角”，《國際金融研究》，第5期，第34-44頁。

錢龍，2015，“信息不對稱與中小企業信貸風險緩釋機制研究”，《金融研究》，第10期，第115-132頁。

邱晗、黃益平、紀洋，2018，“金融科技對傳統銀行行為的影響——基于互聯網理財的視角”，《金融研究》，第11期，第17-29頁。

盛天翔、范從來，2020，“金融科技、最優銀行業市場結構與小微企業信貸供給”，《金融研究》，第6期，第114-132頁。

田鴿、張勛，2022，“數字經濟、非農就業與社會分工”，《管理世界》，第5期，第 頁。

王博、劉時雨、羅榮華、張曉玫，2021，“金融科技監管與銀行高息攬‘儲’——基于理財產品視角”，《財貿經濟》，第11期，第52-67頁。

王道平、劉楊婧卓、徐宇軒、劉琳琳，2022，“金融科技、宏觀審慎監管與我國銀行系統性風險”，《財貿經濟》，第4期，第71-84頁。

王海、閆卓毓、郭冠宇、尹俊雅，2023，“數字基礎設施政策與企業數字化轉型：賦能'還是‘負能’？《數量經濟技術經濟研究》，第5期，第5-23頁。

謝絢麗、王詩卉，2022，“中國商業銀行數字化轉型：測度、進程及影響”，《經濟學（季刊）》，第6期，第1937-1956頁。

尹志超、甘犁，2011，“信息不對稱、企業異質性與信貸風險”，《經濟研究》，第9期，第121-132頁。

游家興、林慧、柳穎，2023，“舊貌換新顏：金融科技與銀行業績——基于8227家銀行支行的實證研究”，《經濟學（季刊）》，第1期，第177-193頁。

余明桂、馬林、王空，2022，“商業銀行數字化轉型與勞動力需求：創造還是破壞？”，《管理世界》，第10期，第212-230頁。

張海洋、胡英琦、陸利平、蔡衛星，2022，“數字時代的銀行業變遷——網點布局與行業結構”，《金融研究》第9期，第75-92頁。

張嘉明，2022，“貨幣政策、銀行風險承擔異質性與影子銀行”，《經濟研究》，第5期，第51-69頁。

張雪蘭、李佳寧，2023，“‘太相似而不能倒'：銀行信貸同群效應與系統性風險”，《南方經濟》，第2期，第110-129頁。

張一林、郁蕓君、陳珠明，2021，“人工智能、中小企業融資與銀行數字化轉型”，《中國工業經濟》，第12期，第69-87頁。

Adams，W.，EinavLndLevin，o，“iqditystraintsndpefctIfoatioibprieLending\"，micanEoicview，99（1）： 49-84.

Anagnostopouls，，018，“Fintechndregtech：IpactonRegulatorsandBnks\"，JouralofEonomicsandBusiness：75.

Bana，H.ia，A.，orani，.drovaa，L2，“FintechbdaniallusiondRisaingofcrofiac（MFIs）： Evidence from Sub-Saharan Africa\"，Finance Research Letters，45：102149.

Buchak，G.，Matvos，G.，iskoski，T.andSeru，A，18，“Ftech，RegulatoryArbitrage，andtheRisefShadoBanks”，Joualinancial Economics，130（3）： 453-483.

Du，G.Liu，Z.andLu，HO1，“ApplicationoInovatieRiskEarlyWaingModeUnderBgDataTchnologinIteetCreditFinancial Risk Assessment\"，Journal ofComputational and Applied Mathematics，386：113260.

Frey，C.B.andOsbe，A，17“TeFureofmploent：HoSeptibleaeJobtomputerisatio\"，TholgicalFastigand Social Change，114： 254-280.

Fuster，A.Plos.abl，.dcy19“oleohlogeLd”，viof32（5）： 1854-1899.

Gambacorta，L，Huang，Y.Qiu，H.andWang，J19，“HodMachineLeaingando-tradionalDataectCreditSoingNewEvidence from a Chinese Fintech Firm\"，BIS Working Paper，No.834.

Huang，Y.，Zhang，L，，Z.Qiu，H，un，T.ndWang，X，O2，“FntechCreditRiskAssessmenorSEs：EvidencefroCina，FWorking Paper，No. 2020/193.

Jordd，O.，Richerick，ndlo.“Bnialu：eydiyds”，vstudies，88（1）： 260-286.

Khanchel，H.，9，“TeIpactofigitalasoatioonkng，Joualofuinsdmistrationeseach82）-9.

Lagna，A.andavishankar，M.N.22“MakingtheWorldaBeteraceithntechRsearch”，IfoationSystesJual：61-102.

Lee，I.andSnJ8“Fch：coesiselsstsisdlgs”，ussss）35-46.

LiC.，He，S.an，Y.，Sn，S.andNng，L“DoseBank'siechIovatioRedueItsskTaking？EvidencfrCa’sBanking Industry\"，Journal of Innovationamp;Knowledge，7（3）：100219.

Li，J.，Li，JZuu“senallis：EdfrtheU.S”，International Review of Financial Analysis，71： 101544.

Marcelin，I，uWeo，sin，E“aalusiksintoo\"，FinanceResearch Letters，50：103182.

Murinde，V.，Rzopoulos，E.andZachardis，M.2“TheimpactofthechRvolutioonthutureofnking：OpoidRisks”，International Review of Financial Analysis，81：102103.

Ogura，Y.andUchda.H14，\"BankonsolidationandSfIforationqustioiallBsinssLending\"，Joualofnacaevices Research，45（2）： 173-200.

Ono，A.andUesugi，I09，“RoleofColateralandPersoalGuarantesinRelationshipLending：EvidencefromJapa'sSLoanarket\"，Journal of Money，Credit and Banking，41（5）： 935-960.

Oster，E.，19“UebledetlEealofs ）187-204.

Pieri，N.ndr，Y.“ThinFefrecheingueforaclbli”，oring，W/4.

Poustchi，K.andhert，M.Ol8，“ExplogteigialatioimpactonCosuerDsiMakinginRetailBning\"，Eletikets，28（3）： 265-286.

Wang，R.，Liu，J.andLuo，H，21，“FntechDevelopmentandBankiskTakinginina”，eEuropanJoualofFnance2（4-5）：397-418.

Zhang，Y.，Ye，S.，iu，J.ndDu，L，“IpactftevelopentofechyoercialBanksoBankCreditisk\"，esearch Letters，55：103857.

CanDigital TransformationReduce Bank Credit Risk： Mechanismsand Evidence

Gong Xingyu Liu Chun Chen Xiaoling

Abstract：Againstthebackdropoftheincreasinglyprofoundandcomplexinteralandxtealnvironments，pingthebot tomlineofavoidingsystemicrisksand givingfullplaytotheroleoffinanceinservingtherealeconomyarenewrequirements ofChinese-stylemodernizationforhigh-qualityfinancialdevelopment.With theaccelerated evolutionof thenewgeneration ofdigitalrevolution，theapplicationofdigitaltechnologiesinthefinancialfieldincreasinglydeepens，providingmoreovtivetoolsforpreventingandresolvingfinancialisks.Therefore，scientificallyaesing theimpactofdigitaltransforationon bank creditrisk isof greatsignificanceforbuildinganewpatternof digitalfinance thatadapts tomodernconomic develop

ment in the digital age.

BasedonChina'scommercialbanksdata，thispaperexamines theimpactofdigitaltransformationonbank creditrisk Wefind thatdigital transformationsignificantlyreduces bankcreditrisk.Ourfindings holdafterusing theshortestdistance betweenthecitywherethecommercialbank isregisteredandthenodecitiesinthe\"eightverticalandeighthorizontal\"opticalcable backbone network toconstructthe instrumental variableandconductingaseriesofrobustness tests.Theheterogeneous analysesshowthat when thecommercialbank isanon-listedcompany，employs an audit institutionotherthan the Big Fouraccountig firms，andthelocalnetworkinfrastructureisbetter，theefectofdigital transformationonbankcreditrisk is stronger.Wethenexploretheunderlying mechanismsandfindthatdigitaltansformationmainlyimprovesthebank's\"digital matching\"abilityandmanagementeficiencythroughdataelementizationandtheimprovementofdigital governance，thereby reducingbankcreditrisk.Furtheranalysisshowsthatdigital transformationimprovestheeficiencyofcreditresoureallocationatthecitylevelandpromoteshigh-techentrepreneurialactivities，suggestingthatdigitaltransformationfacilitatesfinance toplay a better roleinserving the real economy.

This studycontributes totheexistingliterature inatleast three ways.First，our paper contributesto the literature on the impactofdigitaltechnologiesonbankcreditriskmanagement.Diferentfromexistingstudiesthatmainlyexaminetheimpact ofFintechonbankcreditriskmanagement，thispaper，fromabroaderperspective，introducestheadvantagesofaseriesof systematicchangesbroughtaboutbydigitaltransformation，suchasrganizationalform，managementstructure，anddataelements，intotheresearchframework，whichhelpsscientificallevaluatetheimpactofdigitaltransformationonbankcredit risk.Second，weexaminetheimpactofdigitaltransformationonbank creditriskfromthe micro perspective，deeplyanalyze the mechanismsthrough whichdigitaltransformationaffectsbankcreditrisk，andprovidetheoreticalinterpretationfromtwo channels includingdataelementizationanddigital governance.Our studyenriches theempirical evidenceontheimpactof digitaltransformationonbankcreditriskmanagementandhelpstostablishacausalrelationshipbetweendigitaltransformationandbankcreditrisk.Third，thispaperfurtherrevealsthatdigitaltransformationofcommercialbankssignificantlyimprovesthe eficiencyofcreditresourcealocationand promotes high-techentrepreneurialactivitiesatthecitylevel.Ourfindings verifytheimportantroleofdigitaltransformation inmakingfinancebetterservetherealeconomy，andprovidepolicyimplications forpreventingandresolving financialrisks，improving theeficiencyoffinancialservices，andbuildinghighquality financial development that meets the requirements of Chinese-style modernization in the digital age.

Keywords：Digital Transformation；Bank CreditRisk；DataElementization；Digital Governance

（責任編輯：黃嘉）