馬俊

摘? ?要：本文基于30個省市自治區(qū)2011—2020年面板數(shù)據(jù)，使用熵權(quán)TOPSIS法測度了中國經(jīng)濟(jì)高質(zhì)量發(fā)展水平，并建立PVAR模型探究了數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間動態(tài)互動關(guān)系。研究結(jié)果表明：數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量均具有自我強(qiáng)化的經(jīng)濟(jì)慣性。從全國來看，數(shù)字金融會強(qiáng)化經(jīng)濟(jì)高質(zhì)量發(fā)展和銀行風(fēng)險承擔(dān)，經(jīng)濟(jì)高質(zhì)量發(fā)展和銀行風(fēng)險承擔(dān)會抑制數(shù)字金融發(fā)展，經(jīng)濟(jì)高質(zhì)量發(fā)展和銀行風(fēng)險承擔(dān)之間互為負(fù)向影響。從區(qū)域?qū)用鎭砜?，中部地區(qū)數(shù)字金融確實(shí)會較為明顯地助推經(jīng)濟(jì)高質(zhì)量發(fā)展，銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展亦有良好互動關(guān)系，西部地區(qū)數(shù)字金融與銀行風(fēng)險承擔(dān)之間存在倒“U”型非線性影響作用。基于此，本文提出提振數(shù)字金融支持經(jīng)濟(jì)高質(zhì)量發(fā)展政策靶向性、完善數(shù)字金融頂層監(jiān)管體系、強(qiáng)化商業(yè)銀行風(fēng)控管理等對策建議。

關(guān)鍵詞：數(shù)字金融；銀行風(fēng)險；經(jīng)濟(jì)高質(zhì)量發(fā)展；熵權(quán)TOPSIS法；PVAR模型

DOI：10.3969/j.issn.1003-9031.2023.01.002

中圖分類號：F120.3，F(xiàn)832.1? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1003－9031（2023）01－0018－20

一、引言

作為實(shí)體經(jīng)濟(jì)的血脈，金融是經(jīng)濟(jì)發(fā)展的重要支撐。然而，傳統(tǒng)金融發(fā)展時常發(fā)生“融資難融資貴”“融資渠道不暢”“融資信息不對稱”等問題，導(dǎo)致金融市場對經(jīng)濟(jì)高質(zhì)量發(fā)展“供血不足”。如今，隨著互聯(lián)網(wǎng)等現(xiàn)代信息技術(shù)加速發(fā)展并與傳統(tǒng)金融互相滲透，數(shù)字金融應(yīng)運(yùn)而生并通過便利化移動支付手段、推動利率市場化等方式突破了傳統(tǒng)金融受到的地理網(wǎng)點(diǎn)、營業(yè)時間、資金空間流動約束，有助于推動現(xiàn)代金融發(fā)展最新成果抵達(dá)“最后一公里”，惠及“長尾客戶”，為金融高效支持經(jīng)濟(jì)高質(zhì)量發(fā)展提供了新的思路。然而，數(shù)字金融會產(chǎn)生金融脫媒效應(yīng)，利率市場化勢必縮減銀行存貸款利差，倒逼銀行提高風(fēng)險資產(chǎn)配置，進(jìn)而促進(jìn)銀行風(fēng)險承擔(dān)，這對經(jīng)濟(jì)高質(zhì)量發(fā)展形成了現(xiàn)實(shí)阻力和潛在風(fēng)險。在此背景下，厘清數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展三者之間動態(tài)互動關(guān)系，對于提升數(shù)字金融支持經(jīng)濟(jì)高質(zhì)量發(fā)展的政策靶向性具有重要理論和實(shí)踐價值。

數(shù)字經(jīng)濟(jì)已逐漸滲透到各類生活場景中，準(zhǔn)確評估數(shù)字金融、銀行風(fēng)險承擔(dān)和經(jīng)濟(jì)高質(zhì)量發(fā)展三者間動態(tài)互動關(guān)系，有助于在數(shù)字金融發(fā)展中科學(xué)防控并及時消弭金融風(fēng)險，確保策略持續(xù)性與安全性的經(jīng)濟(jì)高質(zhì)量發(fā)展。但當(dāng)前鮮少有學(xué)者將銀行風(fēng)險承擔(dān)納入到數(shù)字金融影響經(jīng)濟(jì)高質(zhì)量發(fā)展的研究框架內(nèi)，并且大多基于靜態(tài)面板回歸模型分析數(shù)字金融可能對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生的影響作用，使得數(shù)字金融與經(jīng)濟(jì)高質(zhì)量發(fā)展之間動態(tài)互動關(guān)系研究留有明顯空白。對此，本文嘗試建立PVAR模型，利用格蘭杰因果檢驗(yàn)、脈沖響應(yīng)沖擊和方差分解等多種方法實(shí)證探究了數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間的動態(tài)互動關(guān)系；基于中國30個省市自治區(qū)2011—2020的面板數(shù)據(jù)，劃分東、中、西三個區(qū)域，探討數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間動態(tài)互動關(guān)系的區(qū)域異質(zhì)性。

二、文獻(xiàn)綜述與理論分析

（一）經(jīng)濟(jì)高質(zhì)量發(fā)展相關(guān)研究

經(jīng)濟(jì)高質(zhì)量發(fā)展相關(guān)研究主要包括內(nèi)涵界定、量化研究、影響研究三方面的內(nèi)容。一是對于經(jīng)濟(jì)學(xué)內(nèi)涵觀點(diǎn)基本一致，即可以充分滿足人民日趨豐富多樣化真實(shí)需要的經(jīng)濟(jì)發(fā)展方式、結(jié)構(gòu)和動力狀態(tài)（金碚，2018），主要反映一國（或地區(qū)）在一定時期內(nèi)因經(jīng)濟(jì)發(fā)展使居民當(dāng)期所享受的福利水平變化，以及未來福利水平可持續(xù)提升的能力。二是關(guān)于量化研究。部分文獻(xiàn)采用人均實(shí)際GDP（陳詩一和陳登科，2018）、全要素生產(chǎn)率（劉志彪和凌永輝，2020）等單一維度指標(biāo)衡量經(jīng)濟(jì)高質(zhì)量發(fā)展。但有學(xué)者認(rèn)為，經(jīng)濟(jì)高質(zhì)量發(fā)展應(yīng)當(dāng)包含多層次、多維度的內(nèi)容。主要形成五個代表性評價體系：其一注重以創(chuàng)新驅(qū)動、資源配置高效為手段，以區(qū)域協(xié)調(diào)和生態(tài)文明為要求，實(shí)現(xiàn)經(jīng)濟(jì)增長穩(wěn)健、結(jié)構(gòu)合理和成果惠民以及產(chǎn)品服務(wù)優(yōu)質(zhì)、市場機(jī)制完備、基礎(chǔ)設(shè)施完善等目標(biāo)（魏敏和李書昊，2018）；其二涵蓋高質(zhì)量供給與需求、發(fā)展效率、經(jīng)濟(jì)運(yùn)行、對外開放等方面內(nèi)容（馬茹等，2019）；其三涵蓋產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新、包容性TFP、居民生活、生態(tài)環(huán)境等方面內(nèi)容（趙濤等，2020）；其四涵蓋創(chuàng)新動力、協(xié)調(diào)一體、綠色持續(xù)、全面開放、共享惠民等內(nèi)容（陳景華等，2020）；其五涵蓋經(jīng)濟(jì)成果分配、人力資本及分布、經(jīng)濟(jì)效率與穩(wěn)定性、自然資源與環(huán)境、社會狀況等方面內(nèi)容（楊耀武和張平，2021）。三是關(guān)于影響因素研究。主要有金融資源配置（楊偉中等，2020）、數(shù)字經(jīng)濟(jì)（趙濤等，2020）、技術(shù)創(chuàng)新（徐曄和趙金鳳，2021）、環(huán)境規(guī)制（盧維學(xué)等，2022）、產(chǎn)業(yè)集聚（李濤等，2022）等因素。

（二）數(shù)字金融與經(jīng)濟(jì)高質(zhì)量發(fā)展

現(xiàn)有研究主要從關(guān)系結(jié)果和關(guān)系過程兩個層面出發(fā)，就數(shù)字金融對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響效果和作用機(jī)制進(jìn)行了理論探討和科學(xué)論證。理論研究方面，孟添和張恒龍（2022）肯定了數(shù)字金融具有的“激勵效應(yīng)”，提出數(shù)字金融主要通過優(yōu)化資源配置、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、助力共同富裕三條路徑有效促進(jìn)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展。然而，實(shí)證研究方面存有較大爭議，主要持有三種不同觀點(diǎn)：一是線性相關(guān)論。滕磊和馬德功（2020）利用固定效應(yīng)模型實(shí)證研究發(fā)現(xiàn)，數(shù)字金融能夠緩解企業(yè)融資約束進(jìn)而助力經(jīng)濟(jì)高質(zhì)量發(fā)展；劉偉等（2021）利用中介效應(yīng)模型實(shí)證探究發(fā)現(xiàn)，數(shù)字金融能夠通過促進(jìn)區(qū)域創(chuàng)新水平和縮小城鄉(xiāng)收入差距兩條路徑推動經(jīng)濟(jì)高質(zhì)量發(fā)展。二是非線性相關(guān)論。賀健和張紅梅（2020）基于實(shí)證研究發(fā)現(xiàn)，數(shù)字普惠金融能夠以單門檻形式和區(qū)域異質(zhì)性為特征正向影響經(jīng)濟(jì)高質(zhì)量發(fā)展；蔣長流和江成濤（2020）基于城市面板數(shù)據(jù)實(shí)證發(fā)現(xiàn)，數(shù)字金融可以通過激勵中小企業(yè)研發(fā)創(chuàng)新推動經(jīng)濟(jì)高質(zhì)量發(fā)展，但該作用具有網(wǎng)絡(luò)技術(shù)門檻。三是空間相關(guān)論。上官緒明和葛斌華（2021）經(jīng)實(shí)證檢驗(yàn)發(fā)現(xiàn)，數(shù)字金融確實(shí)可以較為明顯地推動經(jīng)濟(jì)高質(zhì)量發(fā)展且存在積極的空間溢出效應(yīng)。曾燕萍等（2022）通過實(shí)證論證，數(shù)字金融的確可以較為明顯地助推區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展，但其空間溢出效應(yīng)只存在于東西部地區(qū)。

數(shù)字金融難以離開必要的社會物質(zhì)條件支持。理論上，數(shù)字金融能夠通過促進(jìn)傳統(tǒng)金融創(chuàng)新發(fā)展和提升金融服務(wù)效率，為經(jīng)濟(jì)高質(zhì)量發(fā)展輸送源源不斷的營養(yǎng)來源，反過來經(jīng)濟(jì)高質(zhì)量發(fā)展可以通過創(chuàng)造更多引致需求、合理優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提供良好金融生態(tài)環(huán)境，成為數(shù)字金融不斷發(fā)展壯大的沃土。然而，現(xiàn)有文獻(xiàn)鮮少直接研究經(jīng)濟(jì)高質(zhì)量發(fā)展對數(shù)字金融的影響效果。部分學(xué)者圍繞經(jīng)濟(jì)對金融發(fā)展的實(shí)際影響效果展開實(shí)證研究，得出不同結(jié)論。周德田和馮超彩（2020）基于耦合度與PVAR模型的實(shí)證結(jié)果發(fā)現(xiàn)，經(jīng)濟(jì)高質(zhì)量發(fā)展能夠助力科技金融發(fā)展壯大，部分學(xué)者對此持有異議。劉鑫等（2019）基于省際PVAR模型實(shí)證研究發(fā)現(xiàn)，經(jīng)濟(jì)增長對融資耦合存在“抑制效應(yīng)”；張忠俊等（2020）基于實(shí)證研究發(fā)現(xiàn)，經(jīng)濟(jì)增長對金融發(fā)展存在明顯滯后的“拖累效應(yīng)”。因此，數(shù)字金融是否與經(jīng)濟(jì)高質(zhì)量發(fā)展具有良性動態(tài)互動關(guān)系有待有一步驗(yàn)證。

（三）數(shù)字金融與銀行風(fēng)險承擔(dān)

數(shù)字金融對于商業(yè)銀行而言是把“雙刃劍”。數(shù)字金融助力商業(yè)銀行實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，促進(jìn)商業(yè)銀行發(fā)展進(jìn)步，但對其風(fēng)險管理形成巨大挑戰(zhàn)。有關(guān)數(shù)字金融對銀行風(fēng)險承擔(dān)存在的影響，研究結(jié)論分為三種：一是風(fēng)險促進(jìn)論。劉孟飛和王琦（2022）使用商業(yè)銀行非平衡面板數(shù)據(jù)實(shí)證發(fā)現(xiàn)，數(shù)字金融會提升銀行管理成本進(jìn)而促進(jìn)銀行風(fēng)險承擔(dān)；顧海峰和高水文（2022）通過實(shí)證研究得出數(shù)字金融通過影響銀行收入結(jié)構(gòu)促進(jìn)了銀行風(fēng)險承擔(dān)的結(jié)論。二是風(fēng)險抑制論。國外研究發(fā)現(xiàn)，數(shù)字金融有助于改善金融服務(wù)供需雙方信息不對稱，可以有效避免傳統(tǒng)金融逆向選擇與道德風(fēng)險（Demertzis et al，2018），提升其風(fēng)險管理水平（Lorente＆Schmukler，2018）。國內(nèi)研究方面，余靜文和吳濱陽（2021）利用代表性商業(yè)銀行面板數(shù)據(jù)實(shí)證檢驗(yàn)發(fā)現(xiàn)，數(shù)字金融對銀行風(fēng)險承擔(dān)具有抑制效應(yīng)；孫志紅和琚望靜（2022）通過實(shí)證研究發(fā)現(xiàn)，數(shù)字金融對銀行主動與被動風(fēng)險承擔(dān)均具有風(fēng)險抑制效應(yīng)。三是風(fēng)險雙重作用論，即存在“期限結(jié)構(gòu)”雙邊效應(yīng)。羅航等（2020）基于實(shí)證研究發(fā)現(xiàn)，金融科技對風(fēng)險擴(kuò)散的影響并非簡單的促進(jìn)或抑制，實(shí)際上金融科技一方面會因減少信息不對稱促進(jìn)風(fēng)險收斂，另一方面又會刺激金融體系脆弱性進(jìn)而誘導(dǎo)風(fēng)險擴(kuò)散；劉偉等（2022）利用財務(wù)數(shù)據(jù)展開實(shí)證，發(fā)現(xiàn)數(shù)字金融會明顯促進(jìn)銀行風(fēng)險承擔(dān)，但銀行業(yè)競爭減弱能夠緩解數(shù)字金融對銀行風(fēng)險承擔(dān)加重的影響。

顯然，當(dāng)前研究的關(guān)注點(diǎn)主要集中于數(shù)字金融可能對銀行風(fēng)險承擔(dān)產(chǎn)生的影響效果，而銀行風(fēng)險承擔(dān)對數(shù)字金融的影響研究非常匱乏。現(xiàn)代商業(yè)銀行本質(zhì)上以經(jīng)營風(fēng)險為生，風(fēng)險管理得當(dāng)，則獲得預(yù)期回報；反之，銀行利潤受損，嚴(yán)重時資本縮水，極端情況下可能會破產(chǎn)倒閉。實(shí)際上，銀行風(fēng)險承擔(dān)一方面可能會破壞金融生態(tài)環(huán)境進(jìn)而抑制數(shù)字金融，另一方面可能會因其風(fēng)險管理對于數(shù)字技術(shù)的需要而推動數(shù)字金融發(fā)展。包蕓夕等（2019）基于中國14家商業(yè)銀行2014—2017年的季度數(shù)據(jù)建立PVAR模型，經(jīng)實(shí)證研究發(fā)現(xiàn)，提升銀行風(fēng)險管理能力從長期來看可以支持互聯(lián)網(wǎng)金融P2P小額信貸業(yè)務(wù)拓展。可以發(fā)現(xiàn)，現(xiàn)有文獻(xiàn)極少討論銀行風(fēng)險承擔(dān)對數(shù)字金融的反向影響， 更是很少探討其短期和長期動態(tài)影響效果。

（四）銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展的相關(guān)研究

現(xiàn)有研究鮮少涉足銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)系研究。關(guān)于金融風(fēng)險對經(jīng)濟(jì)發(fā)展的影響研究。耿德林等（2019）基于空間杜賓模型（SDM）的隨機(jī)效應(yīng)模型實(shí)證發(fā)現(xiàn)，適度的銀行體系風(fēng)險和證券市場風(fēng)險有助于區(qū)域經(jīng)濟(jì)發(fā)展。然而，金融風(fēng)險表現(xiàn)形式較為多樣，往往具有復(fù)雜性、突發(fā)性、危害性以及傳染性等特征，致使經(jīng)濟(jì)高質(zhì)量發(fā)展面臨潛在風(fēng)險隱患。對此，鄭智勇等（2022）通過理論分析和實(shí)證研究杠桿波動、系統(tǒng)性金融風(fēng)險與經(jīng)濟(jì)高質(zhì)量發(fā)展關(guān)系發(fā)現(xiàn)，“防風(fēng)險”能夠確保安全、有效地助推經(jīng)濟(jì)高質(zhì)量發(fā)展。此外，趙修儀和鄧創(chuàng)（2022）借助TVP-VAR和LSTVAR等模型實(shí)證研究發(fā)現(xiàn)，金融風(fēng)險上升和下降對經(jīng)濟(jì)周期存在非對稱性影響，即金融風(fēng)險增加對經(jīng)濟(jì)周期的負(fù)向影響要弱于金融風(fēng)險減少對經(jīng)濟(jì)周期的正向影響。

關(guān)于經(jīng)濟(jì)發(fā)展對銀行風(fēng)險承擔(dān)的影響研究。鄒克和蔡曉春（2017）利用省級面板數(shù)據(jù)實(shí)證分析不良貸款率的影響因素，發(fā)現(xiàn)較高的經(jīng)濟(jì)發(fā)展水平有助于降低不良貸款率。實(shí)際上，銀行風(fēng)險易受經(jīng)濟(jì)金融環(huán)境和市場結(jié)構(gòu)制約等區(qū)域內(nèi)部因素的影響，以及國家宏觀政策、經(jīng)濟(jì)金融異常變化等區(qū)域外部因素的影響。經(jīng)濟(jì)高質(zhì)量發(fā)展這一經(jīng)濟(jì)目標(biāo)決定了國家層面使用何種貨幣政策和財政政策，李佳等（2021）基于銀行業(yè)數(shù)據(jù)實(shí)證研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性會在一定程度上提高銀行風(fēng)險承擔(dān)；李力和黃新飛（2022）基于DSGE模型的實(shí)證發(fā)現(xiàn)，貨幣政策不確定性同樣會促進(jìn)銀行風(fēng)險承擔(dān)。

三、研究設(shè)計

（一）模型設(shè)定

結(jié)合文獻(xiàn)綜述和理論分析，考慮到內(nèi)生性與序列相關(guān)問題，建立面板向量自回歸（PVAR）模型實(shí)證研究數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間的動態(tài)互動關(guān)系。PVAR模型能夠允許所有變量內(nèi)生并真實(shí)反映多變量間的動態(tài)關(guān)系。對此，本文擬建立如下PVAR模型：

（1）

其中，Yit是一個1×3階的列向量，包含數(shù)字金融（DF）、銀行風(fēng)險承擔(dān)（RISK）與經(jīng)濟(jì)高質(zhì)量發(fā)展（EDQ）三個內(nèi)生變量；α0為截距項(xiàng)；j為滯后階數(shù)；αj為滯后j階的參數(shù)矩陣；βi、γi分別為個體、時間固定效應(yīng)；εit為隨機(jī)誤差項(xiàng)。

（二）變量選擇

數(shù)字金融（DF）。選取北京大學(xué)2021年4月發(fā)布的2011—2020年省級數(shù)字普惠金融指數(shù)作為數(shù)字金融的代理變量。鑒于不同變量具有量綱差異，對該指標(biāo)數(shù)據(jù)進(jìn)行縮小100倍處理。該指數(shù)的編制遵循了綜合性、均衡性、可比性、連續(xù)性和可行性等原則，融合數(shù)字技術(shù)與普惠金融，可以較好地反映各省市自治區(qū)數(shù)字金融發(fā)展水平。

銀行風(fēng)險承擔(dān)（RISK）。銀行風(fēng)險承擔(dān)的度量指標(biāo)主要有預(yù)期違約概率、不良貸款率、Z值、風(fēng)險加權(quán)資產(chǎn)占比等。鑒于中國利率市場化機(jī)制尚未成熟完備，資產(chǎn)證券化等新業(yè)務(wù)尚待完善， 目前國內(nèi)銀行以存貸款業(yè)務(wù)為主業(yè)，信用風(fēng)險仍需其重點(diǎn)關(guān)注和大力防控。因此，本文選擇商業(yè)銀行不良貸款率作為銀行風(fēng)險承擔(dān)的代理變量。

經(jīng)濟(jì)高質(zhì)量發(fā)展（EDQ）。經(jīng)濟(jì)高質(zhì)量發(fā)展應(yīng)當(dāng)秉持創(chuàng)新驅(qū)動、對內(nèi)協(xié)調(diào)、綠色持續(xù)、對外開放、全民共享原則的新發(fā)展理念。具體而言，創(chuàng)新發(fā)展主要包括創(chuàng)新資源投入、產(chǎn)出以及創(chuàng)新活動所依賴的外部環(huán)境；協(xié)調(diào)發(fā)展涵蓋區(qū)域、城鄉(xiāng)和產(chǎn)業(yè)協(xié)調(diào)；綠色發(fā)展涵蓋事前生態(tài)環(huán)保、事中節(jié)能減排和事后環(huán)境治理；開放發(fā)展應(yīng)同時滿足經(jīng)常賬戶下進(jìn)出口貿(mào)易及服務(wù)業(yè)開放和資本賬戶下投融資開放；共享發(fā)展要求人人平等享有醫(yī)療、教育、衛(wèi)生、社保、交通等公共服務(wù)，同時保障物價、就業(yè)、購房、壽命、城鎮(zhèn)化等方面的生活質(zhì)量。因此，本文基于新發(fā)展理念，選取13個二級指標(biāo)、32個基礎(chǔ)指標(biāo)建立能夠客觀反映真實(shí)水平的經(jīng)濟(jì)高質(zhì)量發(fā)展評價指標(biāo)體系（見表1）。

本文借鑒干春暉等（2011）的研究成果，運(yùn)用泰爾指數(shù)度量產(chǎn)業(yè)結(jié)構(gòu)合理化水平（TL）：

（2）

其中，Yi、Li分別代表各省市自治區(qū)第i個產(chǎn)業(yè)的GDP值（億元）與就業(yè)人數(shù)（萬人）。

本文進(jìn)一步采用熵權(quán)TOPSIS法測度30個省市自治區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展水平，其核心思想是先對各評價指標(biāo)標(biāo)準(zhǔn)化處理，然后借助熵權(quán)法賦予其不同的權(quán)重值，最后利用TOPSIS法對各省市自治區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展水平進(jìn)行量化排序。具體實(shí)施步驟如下：

第一步，運(yùn)用極差法對各評價指標(biāo)Xij作標(biāo)準(zhǔn)化處理。

對于正向指標(biāo)Xij：

（3）

對于負(fù)向指標(biāo)Xij：

（4）

其中，i、j分別表示省市自治區(qū)、評價指標(biāo)，Xij和Yij分別表示初始的和標(biāo)準(zhǔn)化后的評價指標(biāo)值，max（Xij）和min（Xij）分別代表Xij的最大值與最小值。

第二步，計算各評價指標(biāo)Yij的信息熵Ej：

（5）

第三步，計算各評價指標(biāo)Yij的權(quán)重Wj：

（6）

第四步，構(gòu)建加權(quán)矩陣R：

（7）

第五步，根據(jù)加權(quán)矩陣R確定最優(yōu)方案Q 和最劣方案Q ：

（8）

（9）

其中 ，Ci越大代表省份i的經(jīng)濟(jì)高質(zhì)量發(fā)展水平越優(yōu)，反之則代表省份i的經(jīng)濟(jì)高質(zhì)量發(fā)展水平越差。

（三）數(shù)據(jù)來源與描述性統(tǒng)計

基于數(shù)據(jù)可獲取性的考慮，選用中國30個省市自治區(qū)2011—2020年面板數(shù)據(jù)（不含西藏自治區(qū)和港澳臺地區(qū)），將其劃分為東中西三大經(jīng)濟(jì)區(qū)域。相關(guān)數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫、國家統(tǒng)計局和北京大學(xué)數(shù)字金融研究中心。相關(guān)變量具有的描述性統(tǒng)計特征詳見表2。

從表2可以看出，東部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展最優(yōu)且優(yōu)于全國均值，中西部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展程度相近；從數(shù)字金融發(fā)展水平來看，從東到西逐漸遞減，其中東部地區(qū)數(shù)字金融國內(nèi)領(lǐng)先，顯著強(qiáng)于中西部地區(qū)，不難看出經(jīng)濟(jì)高質(zhì)量發(fā)展和數(shù)字金融均呈現(xiàn)出明顯的區(qū)域性差異和不平衡性；從銀行風(fēng)險承擔(dān)來看，西部地區(qū)承受更多銀行風(fēng)險，中部、東部地區(qū)依次減小，其中西部地區(qū)的銀行風(fēng)險承擔(dān)明顯高于全國均值，而東部與中部地區(qū)銀行風(fēng)險承擔(dān)低于全國均值。

四、實(shí)證分析

（一）面板數(shù)據(jù)平穩(wěn)性檢驗(yàn)

為規(guī)避實(shí)證過程中發(fā)生“偽回歸”，本文借助單位根檢驗(yàn)以判定面板數(shù)據(jù)是否平穩(wěn)，同時使用同質(zhì)單位根LLC檢驗(yàn)和異質(zhì)單位根IPS檢驗(yàn)。如表3所示，數(shù)字金融（DF）、銀行風(fēng)險承擔(dān)（RISK）與經(jīng)濟(jì)高質(zhì)量發(fā)展（EDQ）均為1階單整，即上述三個變量均通過單位根檢驗(yàn)。

（二）模型滯后階數(shù)選擇

借助AIC、BIC、HQIC三種信息準(zhǔn)則可以進(jìn)一步判定模型最優(yōu)滯后階數(shù)。如表4所示，三種準(zhǔn)則下全國和東部、中部地區(qū)的最優(yōu)滯后階數(shù)均為1階，而西部地區(qū)最優(yōu)滯后階數(shù)均顯示為4階，表明西部地區(qū)存在顯著的政策時滯效應(yīng)。

（三）模型GMM參數(shù)估計

為防止出現(xiàn)參數(shù)估計錯誤，本文使用“Helmert procedure”對數(shù)據(jù)進(jìn)行轉(zhuǎn)變，進(jìn)一步消除樣本存在的時間、固定效應(yīng)。接下來利用廣義矩陣估計（GMM）方法進(jìn)行參數(shù)估計，分析變量間長期互動關(guān)系（見表5）。

以數(shù)字金融（DF）為被解釋變量。當(dāng)期數(shù)字金融易受歷史水平影響，全國、東部和中部地區(qū)均在1％的水平下高度正相關(guān)，表明在這些區(qū)域上一期數(shù)字金融發(fā)展水平會對當(dāng)期數(shù)字金融產(chǎn)生正向影響；在西部地區(qū)滯后一期、二期數(shù)字金融均在1％的水平下對當(dāng)期數(shù)字金融產(chǎn)生正向影響，而滯后四期數(shù)字金融在1％水平下高度負(fù)相關(guān)，表明在西部地區(qū)滯后期數(shù)字金融發(fā)展對當(dāng)期數(shù)字金融的影響呈現(xiàn)出先促進(jìn)后抑制的倒“U”型非線性特征。此外，當(dāng)期數(shù)字金融易受滯后一期銀行風(fēng)險承擔(dān)的影響，全國滯后一期銀行風(fēng)險承擔(dān)會在10％水平下對當(dāng)期數(shù)字金融產(chǎn)生負(fù)向影響，西部地區(qū)滯后二期銀行風(fēng)險承擔(dān)會在1％的水平下對當(dāng)期數(shù)字金融產(chǎn)生正向影響，滯后四期時該影響顯著為負(fù)，而在東中部地區(qū)該影響效果不明顯。綜合來看，在全國、東部、中部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展會對數(shù)字金融產(chǎn)生顯著抑制效應(yīng)，而在西部地區(qū)銀行風(fēng)險承擔(dān)會對數(shù)字金融產(chǎn)生先促進(jìn)后抑制的影響效果。

以銀行風(fēng)險承擔(dān)（RISK）為被解釋變量。在東部、中部地區(qū)滯后一期銀行風(fēng)險承擔(dān)分別在10％、1％的水平下對當(dāng)期銀行風(fēng)險承擔(dān)產(chǎn)生顯著正向影響，在西部地區(qū)滯后一期銀行風(fēng)險承擔(dān)對當(dāng)期銀行風(fēng)險承擔(dān)產(chǎn)生顯著正向影響，但滯后二期銀行風(fēng)險承擔(dān)影響顯著為負(fù)。此外，東部、中部地區(qū)滯后一期數(shù)字金融分別在10％、1％的水平下對當(dāng)期銀行風(fēng)險承擔(dān)產(chǎn)生正向影響，但在西部地區(qū)滯后二期數(shù)字金融對當(dāng)前銀行風(fēng)險承擔(dān)產(chǎn)生正向影響，滯后四期數(shù)字金融對當(dāng)期銀行風(fēng)險承擔(dān)具有一定抑制效應(yīng)。此外，滯后一期經(jīng)濟(jì)高質(zhì)量發(fā)展對當(dāng)期銀行風(fēng)險承擔(dān)的影響存在顯著的區(qū)域性差異，其中東部、中部地區(qū)滯后一期經(jīng)濟(jì)高質(zhì)量發(fā)展分別在10％、1％的水平下對當(dāng)期銀行風(fēng)險承擔(dān)產(chǎn)生負(fù)向影響，但在西部地區(qū)滯后一期經(jīng)濟(jì)高質(zhì)量發(fā)展會對當(dāng)期銀行風(fēng)險承擔(dān)產(chǎn)生顯著正向影響。

以經(jīng)濟(jì)高質(zhì)量發(fā)展（EDQ）為被解釋變量。當(dāng)期經(jīng)濟(jì)高質(zhì)量發(fā)展易受滯后一期經(jīng)濟(jì)高質(zhì)量發(fā)展影響，全國、東部和中部地區(qū)均在1％的水平下高度正相關(guān)，而在西部地區(qū)該正向作用產(chǎn)生于滯后兩期的經(jīng)濟(jì)高質(zhì)量發(fā)展，表明相對于其他區(qū)域而言，西部地區(qū)政策發(fā)揮實(shí)質(zhì)效應(yīng)較為遲緩。此外，在全國層面滯后一期數(shù)字金融在10％的水平下對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生正向影響，但在分區(qū)域樣本中該影響不顯著；中部地區(qū)滯后一期銀行風(fēng)險承擔(dān)在10％的水平下對經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生正向影響，但在其他區(qū)域該影響并不顯著。

（四）脈沖響應(yīng)分析

考慮到GMM估計無法明確各變量間的因果邏輯關(guān)系、動態(tài)傳導(dǎo)機(jī)制和沖擊變量的貢獻(xiàn)度，本文將依次通過脈沖響應(yīng)分析、方差分解和格蘭杰因果檢驗(yàn)進(jìn)一步考量數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間的動態(tài)互動關(guān)系。具體借助蒙特卡洛法，通過200次模擬得到全國及東部、中部、西部地區(qū)滯后六期的脈沖響應(yīng)圖（見圖1—圖4）。脈沖響應(yīng)圖反映的是模型內(nèi)任意一個內(nèi)生變量面對外來擾動時對其他內(nèi)生變量產(chǎn)生的沖擊效應(yīng)，用于分析各變量間長期動態(tài)交互關(guān)系，并預(yù)測分析變量間時滯關(guān)系和影響程度。圖中，橫坐標(biāo)、縱坐標(biāo)分別代表響應(yīng)期數(shù)和面對沖擊的響應(yīng)程度，中間實(shí)線為脈沖響應(yīng)趨勢，虛線為蒙特卡洛模擬得到的95％置信區(qū)間上下限。

第一，數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展面對自身一個標(biāo)準(zhǔn)差的沖擊時，均表現(xiàn)出顯著的正向影響，表明數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量均有相對的經(jīng)濟(jì)慣性。

第二，當(dāng)經(jīng)濟(jì)高質(zhì)量發(fā)展在受到數(shù)字金融的沖擊后，在全國、東部地區(qū)均呈現(xiàn)負(fù)向影響減弱態(tài)勢并在第2期開始影響轉(zhuǎn)正；在中部地區(qū)呈現(xiàn)出持續(xù)、穩(wěn)健的促進(jìn)作用；在西部地區(qū)正向影響較弱，直至第4至第5期影響才有所增強(qiáng)，表明數(shù)字金融只有發(fā)展到一定階段時才會促進(jìn)全國、東部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展，中部地區(qū)數(shù)字金融在考察期內(nèi)一直持續(xù)激勵其經(jīng)濟(jì)高質(zhì)量發(fā)展，而在西部地區(qū)該“激勵效應(yīng)”發(fā)生遲緩。反之，當(dāng)數(shù)字金融在受到來自經(jīng)濟(jì)高質(zhì)量發(fā)展的沖擊后，在全國、東部、中部地區(qū)當(dāng)期影響為0，隨后呈現(xiàn)出先縮小后擴(kuò)大的“U”型負(fù)向影響，經(jīng)濟(jì)高質(zhì)量發(fā)展在考察期內(nèi)較為微弱地抑制著西部地區(qū)數(shù)字金融，表明經(jīng)濟(jì)高質(zhì)量發(fā)展會對全國、東部、中部、西部地區(qū)數(shù)字金融發(fā)展產(chǎn)生“拖累效應(yīng)”，但該影響在西部地區(qū)較弱。

第三，當(dāng)銀行風(fēng)險承擔(dān)在受到經(jīng)濟(jì)高質(zhì)量發(fā)展的沖擊后，在全國、東部、中部、西部地區(qū)當(dāng)期影響為0，隨后在全國呈現(xiàn)出先擴(kuò)大后縮小的倒“U”型正向影響，在東部、中部地區(qū)呈現(xiàn)出先縮小后擴(kuò)大的“U”型負(fù)向影響，在西部地區(qū)0-2期呈現(xiàn)出正向影響而在第2期后呈現(xiàn)負(fù)向影響，說明經(jīng)濟(jì)高質(zhì)量發(fā)展會在全國范圍內(nèi)提高銀行風(fēng)險承擔(dān)，但會在一定程度上抑制東部、中部地區(qū)的銀行風(fēng)險承擔(dān)，當(dāng)發(fā)展到一定階段時才有助于降低西部地區(qū)銀行風(fēng)險承擔(dān)。同理，當(dāng)經(jīng)濟(jì)高質(zhì)量發(fā)展面對銀行風(fēng)險承擔(dān)一個標(biāo)準(zhǔn)差的沖擊時，在全國、中部、西部地區(qū)當(dāng)期影響為0，而在中部地區(qū)當(dāng)期影響顯著為負(fù)，隨后在全國呈現(xiàn)出先縮小后擴(kuò)大的“U”型負(fù)向影響，在東部地區(qū)呈現(xiàn)出逐漸縮小的負(fù)向影響，在中部地區(qū)呈現(xiàn)出先擴(kuò)大后縮小的倒“U”型正向影響，而在西部地區(qū)影響微弱直至第3期后呈現(xiàn)出負(fù)向影響，表明銀行風(fēng)險承擔(dān)會抑制全國、東部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展，但會較為顯著地激勵中部地區(qū)數(shù)字金融發(fā)展，并在短期內(nèi)助推西部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展。

第四，當(dāng)數(shù)字金融在受到來自銀行風(fēng)險承擔(dān)的沖擊后，在全國、東部地區(qū)呈現(xiàn)出較為顯著的先縮小后擴(kuò)大“U”型負(fù)向影響，在中西部地區(qū)影響較弱，其中中部地區(qū)在第2期后影響由正轉(zhuǎn)負(fù)，而在西部地區(qū)持續(xù)呈現(xiàn)出較為微弱的負(fù)向效應(yīng)，表明銀行風(fēng)險承擔(dān)會抑制全國、東部、西部地區(qū)數(shù)字金融發(fā)展，但對中部地區(qū)短期效應(yīng)為正、長期效應(yīng)為負(fù)。當(dāng)銀行風(fēng)險承擔(dān)面對數(shù)字金融一個標(biāo)準(zhǔn)差的沖擊時，在全國、中部地區(qū)當(dāng)期影響為負(fù)，但在第2期后該影響為正，在東部地區(qū)影響顯著為正，在西部地區(qū)影響為正但效果微弱，表明數(shù)字金融會顯著降低全國、中部地區(qū)、西部銀行風(fēng)險承擔(dān)，但會提高東部地區(qū)銀行風(fēng)險承擔(dān)。

（五）方差分解

為進(jìn)一步評估模型擾動項(xiàng)對內(nèi)生變量沖擊的影響程度及各變量變化過程中不同結(jié)構(gòu)沖擊的貢獻(xiàn)力度，本文對PVAR模型進(jìn)行方差分解（見表6），取第10期、第20期和第30期來分析數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展三者間相互影響的貢獻(xiàn)程度。

就全國而言，數(shù)字金融的方差貢獻(xiàn)率主要來自自身，在第30期時仍為52.57％，其次為經(jīng)濟(jì)高質(zhì)量發(fā)展（3.24％）與銀行風(fēng)險承擔(dān)（44.19％）。東部、中部、西部地區(qū)數(shù)字金融方差分解結(jié)果與全國相似，在滯后30期時，其數(shù)字金融方差貢獻(xiàn)率受自身影響分別為67.34％、57.37％和54.77％。

全國銀行風(fēng)險承擔(dān)的方差貢獻(xiàn)率絕大部分來自自身，在滯后30期時高達(dá)91.51％，數(shù)字金融與經(jīng)濟(jì)高質(zhì)量發(fā)展的方差貢獻(xiàn)率分別為0.37％與8.12％。東部、中部地區(qū)方差分解結(jié)果與全國類似，銀行風(fēng)險承擔(dān)對自身的方差貢獻(xiàn)率分別為71.63％與64.05％。西部地區(qū)銀行風(fēng)險承擔(dān)的方差率主要來自自身與數(shù)字金融，方差貢獻(xiàn)率分別為56.46％與40.74％。

就其他變量對經(jīng)濟(jì)高質(zhì)量發(fā)展的方差貢獻(xiàn)率來看，全國、東部、中部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展的方差貢獻(xiàn)率主要來自自身，在滯后30期時分別高達(dá)95.04％、92.33％與64.98，其次是來自銀行風(fēng)險承擔(dān)，其方差貢獻(xiàn)率分別為2.88％、5.40％與26.27％。與之不同的是，西部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展的方差貢獻(xiàn)率主要來自數(shù)字金融（61.21％），其次是銀行風(fēng)險承擔(dān)（35.31％），最后是自身（3.49％）。

（六）格蘭杰因果關(guān)系檢驗(yàn)及穩(wěn)健性說明

為深入分析數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展三個變量間的短期動態(tài)影響和時間因果關(guān)系，對這三個變量開展格蘭杰因果檢驗(yàn)。（見表7）。

從全國來看，銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展在1％的水平下顯著互為格蘭杰原因，而數(shù)字金融是銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量的單向格蘭杰原因。可以發(fā)現(xiàn)，銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展交互影響較為密切，而數(shù)字金融單向影響銀行風(fēng)險承擔(dān)和經(jīng)濟(jì)高質(zhì)量發(fā)展。

從東部地區(qū)來看，數(shù)字金融與銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展均在5％的水平下顯著互為格蘭杰原因，而經(jīng)濟(jì)高質(zhì)量發(fā)展是銀行風(fēng)險承擔(dān)的單向格蘭杰原因。這說明，數(shù)字金融與銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展互動效應(yīng)非常明顯，但經(jīng)濟(jì)高質(zhì)量發(fā)展僅能單向地影響到銀行風(fēng)險承擔(dān)。

從中部地區(qū)來看，數(shù)字金融在1％的水平下是銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展的單向格蘭杰原因，銀行風(fēng)險承擔(dān)亦是經(jīng)濟(jì)高質(zhì)量發(fā)展的單向格蘭杰原因?？梢园l(fā)現(xiàn)，數(shù)字金融、銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展三者間互動效應(yīng)不顯著，作用效果均以單向影響為主。

從西部地區(qū)來看，銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展在5％的水平下顯著互為格蘭杰原因，數(shù)字金融與銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展均為單向格蘭杰原因。說明西部地區(qū)銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展交互效應(yīng)顯著，而數(shù)字金融僅單向影響銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展。

綜上所述，在不同的區(qū)域劃分中，數(shù)字金融均是銀行風(fēng)險承擔(dān)和經(jīng)濟(jì)高質(zhì)量發(fā)展的格蘭杰原因。銀行風(fēng)險承擔(dān)確實(shí)為東部地區(qū)數(shù)字金融的格蘭杰原因，也是全國、中部、西部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展的格蘭杰原因。經(jīng)濟(jì)高質(zhì)量發(fā)展確實(shí)為東部地區(qū)數(shù)字金融的格蘭杰原因，亦是全國、東部、西部地區(qū)銀行風(fēng)險承擔(dān)的格蘭杰原因。

面板向量自回歸模型的結(jié)果可能會受變量順序影響，從而影響實(shí)證分析結(jié)果。因此，本文主要通過更換變量順序的方式進(jìn)行了穩(wěn)健性檢驗(yàn)，具體對上述三個模型中每兩個變量分別進(jìn)行了脈沖響應(yīng)分析，發(fā)現(xiàn)得出的結(jié)果與上述主要結(jié)論差別甚微，因此可以認(rèn)為上述PVAR模型穩(wěn)健可靠，結(jié)果具有較強(qiáng)的解釋力。

五、結(jié)論與建議

（一）結(jié)論

基于文獻(xiàn)回顧和理論分析，本文進(jìn)一步以中國30個省市自治區(qū)2011—2020年的面板數(shù)據(jù)作為研究樣本構(gòu)建PVAR模型，進(jìn)而對全國及東部、中部和西部地區(qū)數(shù)字金融、銀行風(fēng)險承擔(dān)與經(jīng)濟(jì)高質(zhì)量發(fā)展之間的動態(tài)互動關(guān)系進(jìn)行了實(shí)證研究。

從全國層面來看，短期內(nèi)，數(shù)字金融確實(shí)會助推經(jīng)濟(jì)高質(zhì)量發(fā)展和提高銀行風(fēng)險承擔(dān)，經(jīng)濟(jì)高質(zhì)量發(fā)展和銀行風(fēng)險承擔(dān)互為負(fù)向影響；長期內(nèi)，數(shù)字金融、銀行風(fēng)險承擔(dān)仍然會分別助推和抑制經(jīng)濟(jì)高質(zhì)量發(fā)展，銀行風(fēng)險承擔(dān)、經(jīng)濟(jì)高質(zhì)量發(fā)展均會抑制數(shù)字金融發(fā)展，而數(shù)字金融、經(jīng)濟(jì)高質(zhì)量發(fā)展則均會在一定程度上提高銀行風(fēng)險承擔(dān)。

從區(qū)域異質(zhì)性層面來看，短期內(nèi)，銀行風(fēng)險承擔(dān)會抑制東部地區(qū)數(shù)字金融發(fā)展，但確實(shí)會助推中部地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展。長期內(nèi)，數(shù)字金融會較為顯著地助推中部經(jīng)濟(jì)高質(zhì)量發(fā)展，銀行風(fēng)險承擔(dān)分別對東部、中部經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生抑制、促進(jìn)作用，經(jīng)濟(jì)高質(zhì)量發(fā)展會顯著抑制東部、中部地區(qū)銀行風(fēng)險承擔(dān)，但數(shù)字金融會對西部地區(qū)銀行風(fēng)險承擔(dān)產(chǎn)生先促進(jìn)后抑制的倒“U”型影響效果，銀行風(fēng)險承擔(dān)亦對西部數(shù)字金融產(chǎn)生相同影響效果。

（二）建議

第一，提振數(shù)字金融支持經(jīng)濟(jì)高質(zhì)量發(fā)展政策靶向性，推動兩者良性互動。從實(shí)證結(jié)果來看，經(jīng)濟(jì)高質(zhì)量發(fā)展可能對數(shù)字金融存在“拖累效應(yīng)”，同時在西部地區(qū)數(shù)字金融對經(jīng)濟(jì)高質(zhì)量發(fā)展“激勵效應(yīng)”有限?；诖?，一是持續(xù)擴(kuò)大數(shù)字金融的“激勵效應(yīng)”。增強(qiáng)數(shù)字金融所需依附的互聯(lián)網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)和開發(fā)大數(shù)據(jù)等金融場景化技術(shù)應(yīng)用軟件，突破金融服務(wù)在地理、空間上的硬性軟性約束，釋放數(shù)字金融對經(jīng)濟(jì)發(fā)展質(zhì)量的助推作用。二是提升經(jīng)濟(jì)高質(zhì)量發(fā)展的反向“支持效應(yīng)”。注重區(qū)域、產(chǎn)業(yè)、城鄉(xiāng)間對內(nèi)協(xié)調(diào)，支持?jǐn)?shù)字金融的國際、省際開放合作，發(fā)展綠色數(shù)字金融，為數(shù)字金融提供適宜的自然和社會生態(tài)環(huán)境。三是加強(qiáng)區(qū)域間經(jīng)濟(jì)金融合作。樹牢全國“一盤棋”意識，堅持“普惠”與“精準(zhǔn)”原則，促進(jìn)經(jīng)濟(jì)、金融資源跨地區(qū)調(diào)配，東部地區(qū)應(yīng)充分展示示范效應(yīng)，中西部地區(qū)應(yīng)發(fā)揚(yáng)學(xué)習(xí)效應(yīng)。

第二，在堅持有效管控銀行風(fēng)險的基礎(chǔ)上，完善數(shù)字金融頂層監(jiān)管體系。一是強(qiáng)化數(shù)字金融穿透式協(xié)調(diào)監(jiān)管。出臺相關(guān)法律法規(guī)和制定行業(yè)準(zhǔn)入標(biāo)準(zhǔn)，建立完善的風(fēng)險披露機(jī)制，探索針對數(shù)字金融的“監(jiān)管沙盒”機(jī)制。二是構(gòu)建數(shù)字金融數(shù)據(jù)信息共享機(jī)制。持續(xù)強(qiáng)化金融科技投資、研發(fā)與運(yùn)用，利用前、中、后端數(shù)據(jù)資源打破“數(shù)據(jù)孤島”，搭建數(shù)字金融征信體系，制定科學(xué)的信用數(shù)據(jù)標(biāo)準(zhǔn)，完善征信市場管理制度，促進(jìn)征信行業(yè)健康規(guī)范發(fā)展。三是在“防風(fēng)險”前提下推動數(shù)字金融創(chuàng)新。商業(yè)銀行金融機(jī)構(gòu)應(yīng)當(dāng)積極運(yùn)用數(shù)字金融變革實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，逐漸升級完善業(yè)務(wù)系統(tǒng)，研發(fā)多樣化、個性化金融服務(wù)產(chǎn)品，同時有效預(yù)防金融創(chuàng)新中產(chǎn)生的潛在風(fēng)險，大力提升數(shù)字金融風(fēng)險管理水平，確保數(shù)字金融發(fā)展安全、有序、高效。

第三，經(jīng)濟(jì)高質(zhì)量發(fā)展過程中，注重商業(yè)銀行風(fēng)控管理，確保金融“供血”系統(tǒng)運(yùn)行健康和經(jīng)濟(jì)持續(xù)穩(wěn)健增長。一是正確理解經(jīng)濟(jì)高質(zhì)量發(fā)展包含的深意。以創(chuàng)新發(fā)展為動力來源，堅持對內(nèi)協(xié)調(diào)和對外開放來保持內(nèi)外部平衡，確保發(fā)展方式綠色環(huán)?？沙掷m(xù)，以共享發(fā)展為最終追求目標(biāo)。二是注重商業(yè)銀行風(fēng)控管理，尤其對于西部地區(qū)和中小商業(yè)銀行而言。商業(yè)銀行一方面應(yīng)積極利用科技賦能優(yōu)化風(fēng)險管理流程以提高自身對信貸風(fēng)險的管控，擴(kuò)大數(shù)據(jù)源緩解信息不對稱，從而確保自身風(fēng)險管理有效；另一方面應(yīng)當(dāng)注重數(shù)據(jù)信息保護(hù)，確保客戶隱私數(shù)據(jù)和財產(chǎn)安全性。三是將商業(yè)銀行風(fēng)險管理納入到防范化解重大風(fēng)險攻堅戰(zhàn)的考量中。中國金融市場體系中商業(yè)銀行舉足輕重，市場參與主體和相關(guān)部門應(yīng)當(dāng)把握契機(jī)、形成聯(lián)動，切實(shí)維護(hù)金融安全，堅決杜絕系統(tǒng)性風(fēng)險，推進(jìn)銀行業(yè)金融體系穩(wěn)健運(yùn)行，確保經(jīng)濟(jì)高質(zhì)量發(fā)展。

（責(zé)任編輯：孟潔）

參考文獻(xiàn)：

[1]金碚.關(guān)于“高質(zhì)量發(fā)展”的經(jīng)濟(jì)學(xué)研究[J].中國工業(yè)經(jīng)濟(jì)，2018（4）：5-18.

[2]陳詩一，陳登科.霧霾污染、政府治理與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].經(jīng)濟(jì)研究，2018，53（2）：20-34.

[3]劉志彪，凌永輝.結(jié)構(gòu)轉(zhuǎn)換、全要素生產(chǎn)率與高質(zhì)量發(fā)展[J].管理世界，2020，36（7）：15-29.

[4]魏敏，李書昊.新時代中國經(jīng)濟(jì)高質(zhì)量發(fā)展水平的測度研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018，35（11）：3-20.

[5]馬茹，羅暉，王宏偉，王鐵成.中國區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展評價指標(biāo)體系及測度研究[J].中國軟科學(xué)，2019（7）：60-67.

[6]趙濤，張智，梁上坤.數(shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗(yàn)證據(jù)[J].管理世界，2020，36（10）：65-76.

[7]陳景華，陳姚，陳敏敏.中國經(jīng)濟(jì)高質(zhì)量發(fā)展水平、區(qū)域差異及分布動態(tài)演進(jìn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020，37（12）：108-126.

[8]楊耀武，張平.中國經(jīng)濟(jì)高質(zhì)量發(fā)展的邏輯、測度與治理[J].經(jīng)濟(jì)研究，2021，56（1）：26-42.

[9]楊偉中，余劍，李康.金融資源配置、技術(shù)進(jìn)步與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].金融研究，2020（12）：75-94.

[10]徐曄，趙金鳳.中國創(chuàng)新要素配置與經(jīng)濟(jì)高質(zhì)量耦合發(fā)展的測度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（10）：46-64.

[11]盧維學(xué)，吳和成，王勵文.環(huán)境規(guī)制政策協(xié)同對經(jīng)濟(jì)高質(zhì)量發(fā)展影響的異質(zhì)性[J].中國人口·資源與環(huán)境，2022，32（3）：62-71.

[12]李濤，薛領(lǐng)，李國平.產(chǎn)業(yè)集聚空間格局演變及其對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響——基于中國278個城市數(shù)據(jù)的實(shí)證分析[J].地理研究，2022，41（4）：1092-1106.

[13]孟添，張恒龍.數(shù)字金融與區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展[J].社會科學(xué)輯刊，2022（1）：139-148.

[14]滕磊，馬德功.數(shù)字金融能夠促進(jìn)高質(zhì)量發(fā)展嗎？[J].統(tǒng)計研究，2020，37（11）：80-92.

[15]劉偉，戴冰清，劉衛(wèi)鎮(zhèn).數(shù)字金融能驅(qū)動經(jīng)濟(jì)高質(zhì)量發(fā)展嗎？——基于2011～2017年中國省級面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)社會體制比較，2021（6）：63-75.

[16]賀健，張紅梅.數(shù)字普惠金融對經(jīng)濟(jì)高質(zhì)量發(fā)展的地區(qū)差異影響研究——基于系統(tǒng)GMM及門檻效應(yīng)的檢驗(yàn)[J].金融理論與實(shí)踐，2020（7）：26-32.

[17]蔣長流，江成濤.數(shù)字普惠金融能否促進(jìn)地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展？——基于258個城市的經(jīng)驗(yàn)證據(jù)[J].湖南科技大學(xué)學(xué)報（社會科學(xué)版），2020，23（3）：75-84.

[18]上官緒明，葛斌華.數(shù)字金融、環(huán)境規(guī)制與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2021，41（10）：84-98.

[19]曾燕萍，蔣楚鈺，崔智斌.數(shù)字金融對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響——基于空間杜賓模型的研究[J].技術(shù)經(jīng)濟(jì)，2022，41（4）：94-106.

[20]周德田，馮超彩.科技金融與經(jīng)濟(jì)高質(zhì)量發(fā)展的耦合互動關(guān)系——基于耦合度與PVAR模型的實(shí)證分析[J].技術(shù)經(jīng)濟(jì)，2020，39（5）：107-115+141.

[21]劉鑫，郭凱，咸笑然.融資耦合、融資規(guī)模與經(jīng)濟(jì)增長——基于省際PVAR模型的實(shí)證研究[J].宏觀經(jīng)濟(jì)研究，2019（10）：5-15+87.

[22]張忠俊，郭曉旭，張喜玲，李賓.金融集聚、人力資本結(jié)構(gòu)演進(jìn)與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].統(tǒng)計與決策，2021，37（2）：10-14.

[23]劉孟飛，王琦.數(shù)字金融對商業(yè)銀行風(fēng)險承擔(dān)的影響機(jī)制研究[J].會計與經(jīng)濟(jì)研究，2022，36（1）：86-104.

[24]顧海峰，高水文.數(shù)字金融是否影響商業(yè)銀行風(fēng)險承擔(dān)——基于中國170家商業(yè)銀行的證據(jù)[J].財經(jīng)科學(xué)，2022（4）：15-30.

[25]Demertzis M，Merler S，Wolff G B.Capital MarketsUnion and the Fintech Opportunity[J].Journal of Financial Regulation，2018（4）：157-165.

[26]Lorente J C，Schmukler S L.The Fintech Revolution：A Threat to Global Banking？[J].Research and Policy Briefs，2018.

[27]余靜文，吳濱陽.數(shù)字金融與商業(yè)銀行風(fēng)險承擔(dān)——基于中國商業(yè)銀行的實(shí)證研究[J].產(chǎn)經(jīng)評論，2021，12（4）：108-128.

[28]孫志紅，琚望靜.數(shù)字金融的結(jié)構(gòu)性效應(yīng)：風(fēng)險抑制還是推助？[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2022（2）：128-142.

[29]羅航，顏大為，王蕊.金融科技對系統(tǒng)性金融風(fēng)險擴(kuò)散的影響機(jī)制研究[J].西南金融，2020（6）：87-96.

[30]劉偉，劉衛(wèi)鎮(zhèn)，戴冰清，呂婷.數(shù)字金融、貸款結(jié)構(gòu)與商業(yè)銀行風(fēng)險承擔(dān)——基于181家商業(yè)銀行2011—2020年財務(wù)數(shù)據(jù)的分析[J].武漢金融，2022（7）：29-40.

[31]包蕓夕，郭敏，宋奇慶.基于PVAR的互聯(lián)網(wǎng)金融與商業(yè)銀行相互影響研究[J].商業(yè)經(jīng)濟(jì)研究，2019（10）：156-160.

[32]耿德林，周慧，江忠偉，王威.金融風(fēng)險對區(qū)域經(jīng)濟(jì)發(fā)展的空間溢出效應(yīng)研究——基于三大經(jīng)濟(jì)區(qū)域的空間面板分析[J].征信，2019，37（6）：65-72.

[33]鄭智勇，何劍，張夢婷.杠桿波動、系統(tǒng)性金融風(fēng)險與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].金融論壇，2022，27（3）：23-32.

[34]趙修儀，鄧創(chuàng).中國系統(tǒng)性金融風(fēng)險及其對金融周期、經(jīng)濟(jì)周期的影響動態(tài)[J].經(jīng)濟(jì)評論，2022（4）：114-129.

[35]鄒克，蔡曉春.不良貸款率影響因素的實(shí)證分析——基于2005—2014年省級面板數(shù)據(jù)[J].金融理論與實(shí)踐，2017（2）：10-18.

[36]李佳，閔悅，王曉.經(jīng)濟(jì)政策不確定性、資產(chǎn)證券化與銀行風(fēng)險承擔(dān)[J].金融經(jīng)濟(jì)學(xué)研究，2021，36（1）：77-93.

[37]李力，黃新飛.貨幣政策不確定性與商業(yè)銀行風(fēng)險承擔(dān)研究[J].系統(tǒng)工程理論與實(shí)踐，2022，42（4）：847-864.

[38]干春暉，鄭若谷，余典范.中國產(chǎn)業(yè)結(jié)構(gòu)變遷對經(jīng)濟(jì)增長和波動的影響[J].經(jīng)濟(jì)研究，2011，46（5）：4-16+31.